TensorFlow Hub হল প্রশিক্ষিত মেশিন লার্নিং মডেলের একটি ভান্ডার।
!pip install --upgrade tensorflow_hub import tensorflow_hub as hub model = hub.KerasLayer("https://tfhub.dev/google/nnlm-en-dim128/2") embeddings = model(["The rain in Spain.", "falls", "mainly", "In the plain!"]) print(embeddings.shape) #(4,128)
TensorFlow Hub হল প্রশিক্ষিত মেশিন লার্নিং মডেলের একটি ভান্ডার যা ফাইন-টিউনিংয়ের জন্য প্রস্তুত এবং যেকোনো জায়গায় স্থাপনযোগ্য। BERT এবং ফাস্টার R-CNN-এর মতো প্রশিক্ষিত মডেলগুলিকে মাত্র কয়েকটি লাইনের কোড সহ পুনরায় ব্যবহার করুন৷
-
গাইড দেখুন
TensorFlow হাব কীভাবে ব্যবহার করবেন এবং এটি কীভাবে কাজ করে সে সম্পর্কে জানুন। -
টিউটোরিয়াল দেখুন
টিউটোরিয়াল আপনাকে টেনসরফ্লো হাব ব্যবহার করে এন্ড-টু-এন্ড উদাহরণ দেখায়। -
মডেল দেখুন
আপনার ব্যবহারের ক্ষেত্রে প্রশিক্ষিত TF, TFLite, এবং TF.js মডেল খুঁজুন।
মডেল
TFHub.dev-এ TensorFlow সম্প্রদায় থেকে প্রশিক্ষিত মডেল খুঁজুন
BERT
টেক্সট শ্রেণীবিভাগ এবং প্রশ্নের উত্তর সহ NLP কাজের জন্য BERT দেখুন।
বস্তু সনাক্তকরণ
ছবিগুলিতে বস্তু সনাক্ত করার জন্য দ্রুততর R-CNN ইনসেপশন ResNet V2 640x640 মডেল ব্যবহার করুন৷
শৈলী স্থানান্তর
চিত্র শৈলী স্থানান্তর মডেল ব্যবহার করে একটি চিত্রের শৈলী অন্যটিতে স্থানান্তর করুন।
অন-ডিভাইস ফুড ক্লাসিফায়ার
একটি মোবাইল ডিভাইসে খাবারের ফটো শ্রেণীবদ্ধ করতে এই TFLite মডেলটি ব্যবহার করুন।
খবর এবং ঘোষণা
আরও ঘোষণার জন্য আমাদের ব্লগ দেখুন এবং Twitter-এ সর্বশেষ #TFHub আপডেট দেখুন
Google I/O-এ বাস্তব বিশ্বের প্রভাবের জন্য TensorFlow হাব
বাস্তব বিশ্বের প্রভাব সহ ML সমাধান তৈরি করতে আপনি কীভাবে TensorFlow Hub ব্যবহার করতে পারেন তা জানুন।
অন-ডিভাইস এমএল সমাধান
টেনসরফ্লো হাব সহ আপনার মোবাইল এবং ওয়েব অ্যাপগুলির জন্য ML সমাধানগুলি অন্বেষণ করতে, Google অন-ডিভাইস মেশিন লার্নিং পৃষ্ঠাতে যান৷
টেনসরফ্লো হাব থেকে প্রিপ্রসেসিং মডেলের মাধ্যমে BERT-কে আরও সহজ করা
টেনসরফ্লো হাব নতুন প্রিপ্রসেসিং মডেলগুলির সাথে ব্যবহার করার জন্য BERTকে সহজ করে তোলে।
গান গাওয়া থেকে মিউজিক্যাল স্কোর: SPICE এবং Tensorflow Hub-এর সাহায্যে পিচের অনুমান
লাইভ অডিও থেকে স্বয়ংক্রিয়ভাবে শীট সঙ্গীত প্রতিলিপি করতে SPICE মডেলটি কীভাবে ব্যবহার করবেন তা শিখুন।
সম্প্রদায়
TensorFlow হাব সম্প্রদায়ে যোগ দিন