Iniziare

TensorFlow Hub è un repository completo di modelli pre-addestrati pronti per la messa a punto e implementabili ovunque. Scarica gli ultimi modelli addestrati con una quantità minima di codice con la libreria tensorflow_hub .

I seguenti tutorial dovrebbero aiutarti a iniziare a utilizzare e applicare i modelli di TF Hub per le tue esigenze. I tutorial interattivi ti consentono di modificarli ed eseguirli con le modifiche. Fai clic sul pulsante Esegui in Google Colab nella parte superiore di un tutorial interattivo per armeggiare con esso.

Per principianti

Se non hai dimestichezza con l'apprendimento automatico e TensorFlow, puoi iniziare ottenendo una panoramica su come classificare immagini e testo, rilevare oggetti nelle immagini o stilizzare le tue immagini come opere d'arte famose:

Costruisci un modello Keras sopra un classificatore di immagini pre-addestrato per distinguere i fiori.

Classifica il testo con BERT

Usa BERT per costruire un modello Keras per risolvere un'attività di analisi del sentimento di classificazione del testo.
Lascia che una rete neurale ridisegni un'immagine nello stile di Picasso, van Gogh o come l'immagine del tuo stile.
Rileva oggetti nelle immagini utilizzando modelli come FasterRCNN o SSD.

Per sviluppatori esperti

Dai un'occhiata a tutorial più avanzati su come utilizzare modelli NLP, immagini, audio e video da TensorFlow Hub.

Esercitazioni sulla PNL

Risolvi le attività NLP comuni con i modelli di TensorFlow Hub. Visualizza tutti i tutorial NLP disponibili nella barra di navigazione a sinistra.

Classifica e confronta semanticamente le frasi con l'Universal Sentence Encoder.
Usa BERT per risolvere le attività di benchmark GLUE in esecuzione su TPU.
Rispondi alle domande interlinguistiche dal set di dati SQuAD utilizzando il modello di domande e risposte del codificatore di frasi universale multilingue.

Tutorial per immagini

Scopri come utilizzare GAN, modelli a super risoluzione e altro ancora. Visualizza tutti i tutorial sulle immagini disponibili nella barra di navigazione a sinistra.

Genera facce artificiali e interpola tra loro usando i GAN.
Migliora la risoluzione delle immagini sottocampionate.
Riempi la parte mascherata delle immagini date.

Tutorial audio

Esplora i tutorial utilizzando modelli addestrati per i dati audio, inclusi il riconoscimento del tono e la classificazione del suono.

Registrati mentre canti e rileva il tono della tua voce usando il modello SPICE.
Usa il modello YAMNet per classificare i suoni come 521 classi di eventi audio dal corpus AudioSet-YouTube.

Video tutorial

Prova i modelli ML addestrati per i dati video per il riconoscimento delle azioni, l'interpolazione video e altro ancora.

Rileva una delle 400 azioni in un video utilizzando il modello ConvNet 3D gonfiato.
Interpola tra fotogrammi video utilizzando Inbetweening with 3D Convolutions.

Recupero da testo a video

Trova i video più correlati a una query di testo.