入門

TensorFlow Hub 是一個綜合存放預先訓練模型的儲存庫，這些模型已準備好進行微調，並可部署在任何地方。使用 tensorflow_hub 程式庫，以最少的程式碼下載最新的訓練模型。

以下教學課程應有助於您開始使用和應用 TF Hub 中的模型，以滿足您的需求。互動式教學課程可讓您修改並執行變更後的內容。按一下互動式教學課程頂端的「在 Google Colab 中執行」按鈕即可開始使用。

適合初學者

如果您不熟悉機器學習和 TensorFlow，可以先從概略瞭解如何分類圖片和文字、偵測圖片中的物件，或將自己的圖片風格化成著名藝術作品開始

在預先訓練的圖片分類器之上建構 Keras 模型，以區分花朵。

使用 BERT 進行文字分類

 使用 BERT 建構 Keras 模型來解決文字分類情感分析任務。
讓神經網路以畢卡索、梵谷或您自己的風格圖片重新繪製圖片。
使用 FasterRCNN 或 SSD 等模型偵測圖片中的物件。

適合經驗豐富的開發人員

查看更多進階教學課程，瞭解如何使用 TensorFlow Hub 中的自然語言處理、圖片、音訊和影片模型。

自然語言處理教學課程

使用 TensorFlow Hub 中的模型解決常見的自然語言處理任務。在左側導覽列中查看所有可用的自然語言處理教學課程。

使用通用句子編碼器分類和語意比較句子。
使用 BERT 解決在 TPU 上執行的 GLUE 基準測試任務。
使用多語言通用句子編碼器問答模型，回答來自 SQuAD 資料集的跨語言問題。

圖片教學課程

探索如何使用 GAN、超高解析度模型等。在左側導覽列中查看所有可用的圖片教學課程。

使用 GAN 產生人工臉孔並在它們之間進行插補。
提升降採樣圖片的解析度。
填滿給定圖片的遮罩部分。

音訊教學課程

探索使用訓練模型處理音訊資料的教學課程，包括音高辨識和聲音分類。

錄下您唱歌的聲音，並使用 SPICE 模型偵測您聲音的音高。
使用 YAMNet 模型將聲音分類為來自 AudioSet-YouTube 語料庫的 521 個音訊事件類別。

影片教學課程

試用針對影片資料的訓練 ML 模型，用於動作辨識、影片插補等。

使用膨脹式 3D ConvNet 模型偵測影片中的 400 個動作之一。
使用 3D 卷積的內插法在影片影格之間進行插補。

文字轉影片檢索

 尋找與文字查詢最相關的影片。