Bildklassifizierung
-
MNIST auf Cloud TPU ausführen (TF 2.x)
MNIST-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung in der Cloud TPU
-
ResNet auf Cloud TPU trainieren (TF 2.x)
ResNet-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU
-
Keras ResNet-RS auf Cloud TPU (TF 2.x) trainieren
Keras ResNet-RS-Modell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU
-
ResNet auf Cloud TPU (PyTorch) trainieren
ResNet-Bildklassifizierungsmodell mit PyTorch, optimiert für die Ausführung auf Cloud TPU
-
EfficientNet auf Cloud TPU trainieren (TF 2.x)
EfficientNet-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU
Objekterkennung
-
RetinaNet auf Cloud TPU trainieren (TF 2.x)
RetinaNet-Objekterkennungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU
-
ShapeMask auf Cloud TPU trainieren (TF 2.x)
Ein ShapeMask-Objekterkennungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU
-
Mask RCNN auf Cloud TPU trainieren (TF 2.x)
Mask RCNN-Modell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU
Empfehlungssysteme
-
DLRM- und DCN-Modelle auf Cloud TPU trainieren (TF 2.x)
Leitfaden für das Training von DLRM- und DCN v2-Rankingmodellen für Aufgaben wie die CTR-Vorhersage (Click-through-Rate, Klickrate).
-
Trainieren eines neuronalen Modells zur Zusammenarbeit in Cloud TPU (TF 2.x)
Implementierung des Neural Collaborative Filtering-Frameworks (Neuronaler kollaborativer Filter) mit dem NeuMF-Modell (Neural Matrix Factorization)
Verteilte Verarbeitung auf einem Pod
Natural Language Processing
-
BERT-Feinabstimmung mit Cloud TPU: Satz- und Satzpaar-Klassifizierungsaufgaben (TF 2.x)
Anleitung zur Verwendung von BERT (Bidirectional Encoder Representations from Transformers) mit Cloud TPU
-
FairSeq RoBERTa auf Cloud TPU (PyTorch) vorab trainieren
Leitfaden für das Vortraining der FairSeq-Version des RoBERTa-Modells auf Cloud TPU mit dem öffentlichen Wikitext-103-Dataset.