入门

TensorFlow Hub 是一个综合性的预训练模型存储库，可以随时进行微调和部署。使用 tensorflow_hub 库，只需少量代码即可下载最新的训练模型。

以下教程将帮助您开始使用和应用来自 TF Hub 的模型来满足您的需求。交互式教程允许您修改它们并使用您的更改执行它们。单击交互式教程顶部的“在 Google Colab 中运行”按钮，即可对其进行修改。

适合初学者

如果您不熟悉机器学习和 TensorFlow，可以从了解如何对图像和文本进行分类、检测图像中的物体或将自己的图片风格化为著名艺术作品开始。

在预训练的图像分类器之上构建 Keras 模型，以区分花朵。

使用 BERT 对文本进行分类

 使用 BERT 构建 Keras 模型来解决文本分类情感分析任务。
让神经网络以毕加索、梵高或您自己的风格图像的风格重新绘制图像。
使用 FasterRCNN 或 SSD 等模型检测图像中的物体。

适合经验丰富的开发者

查看更多高级教程，了解如何使用来自 TensorFlow Hub 的 NLP、图像、音频和视频模型。

NLP 教程

使用来自 TensorFlow Hub 的模型解决常见的 NLP 任务。查看左侧导航栏中所有可用的 NLP 教程。

使用通用句子编码器对句子进行分类和语义比较。
使用 BERT 解决在 TPU 上运行的 GLUE 基准任务。
使用多语言通用句子编码器问答模型回答来自 SQuAD 数据集的跨语言问题。

图像教程

探索如何使用 GAN、超分辨率模型等等。查看左侧导航栏中所有可用的图像教程。

使用 GAN 生成人造面孔并在它们之间进行插值。
提高降采样图像的分辨率。
填充给定图像的遮罩部分。

音频教程

探索使用训练模型进行音频数据处理的教程，包括音高识别和声音分类。

录制您自己的歌声，并使用 SPICE 模型检测您的声音的音高。
使用 YAMNet 模型将声音分类为来自 AudioSet-YouTube 语料库的 521 个音频事件类别。

视频教程

尝试使用训练过的 ML 模型进行视频数据处理，例如动作识别、视频插值等等。

使用膨胀的 3D 卷积神经网络模型检测视频中的 400 种动作之一。
使用 3D 卷积的中间插值法在视频帧之间进行插值。

文本到视频检索

 查找与文本查询最相关的视频。