Premiers pas
TensorFlow Hub est un dépôt complet de modèles pré-entraînés, prêts à être optimisés et déployés n'importe où. Téléchargez les derniers modèles entraînés avec un minimum de code, avec la bibliothèque tensorflow_hub
.
Les tutoriels ci-dessous vous expliquent comment utiliser et appliquer des modèles TF Hub, et les adapter en fonction de vos besoins. Des tutoriels interactifs vous permettent de les modifier et de les exécuter avec vos modifications. Cliquez sur le bouton Exécuter dans Google Colab dans la partie supérieure d'un tutoriel interactif pour vous exercer.
Pour les débutants
Si vous n'avez pas beaucoup d'expérience dans le domaine du machine learning et de TensorFlow, commencez par apprendre à classer des images et du texte, par détecter des objets dans des images ou par styliser vos propres photos sur la base d'œuvres célèbres :
Classification d'images
Créez un modèle Keras sur un classificateur d'images pré-entraîné pour faire la distinction entre différentes fleurs.Classer du texte avec BERT
Utilisez BERT pour créer un modèle Keras dans le but d'exécuter une tâche d'analyse des sentiments pour la classification de texte.Transfert de style
Laissez un réseau de neurones redessiner une image avec le pinceau de Picasso ou de van Gogh, ou selon votre propre style.Détection d'objets
Détectez des objets dans des images à l'aide de modèles tels que FasterRCNN ou SSD.Pour les développeurs expérimentés
Découvrez des tutoriels plus techniques traitant de l'utilisation de modèles vidéo, audio, TLN et d'images de TensorFlow Hub.
Tutoriels sur NLP
Utilisez les modèles de TensorFlow Hub pour effectuer les tâches NLP courantes. Tous les tutoriels disponibles sur NLP sont accessibles dans le menu de navigation de gauche.
Similarité sémantique
Classez des phrases et comparez-les sur le plan sémantique à l'aide du codeur de phrases universel.BERT sur TPU
Utilisez le modèle BERT pour effectuer des tâches de benchmark GLUE exécutées sur TPU.Questions/Réponses sur l'encodeur de phrases universel multilingue
Répondez à des questions multilingues issues de l'ensemble de données SQuAD à l'aide du modèle Questions/Réponses sur l'encodeur de phrases universel multilingue.Tutoriels pour les images
Découvrez comment utiliser des GAN, des modèles de super-résolution et bien plus encore. Tous les tutoriels disponibles pour les images sont accessibles dans le menu de navigation de gauche.
GAN pour la génération d'images
Générez des visages artificiels et effectuez des interpolations entre eux à l'aide de GAN.Super-résolution
Améliorez la résolution d'images sous-échantillonnées.Extension d'image
Remplissez la partie masquée de certaines images.Tutoriels audio
Parcourez ces tutoriels à l'aide de modèles entraînés pour les données audio, dont la reconnaissance de la hauteur de voix et la classification des sons.
Reconnaissance de la hauteur de voix
Enregistrez-vous en train de chanter et détectez la hauteur de votre voix à l'aide du modèle SPICE.Classification des sons
Utilisez le modèle YAMNet pour classer les sons dans l'une des 521 catégories d'événements audio du corpus AudioSet-YouTube.Tutoriels vidéo
Utilisez des modèles de ML entraînés pour les données vidéo pour la reconnaissances d'actions, l'interpolation vidéo, etc.