Bildklassifizierung
-
MNIST auf Cloud TPU ausführen (TF 2.x)
MNIST-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung in der Cloud TPU
-
MNIST auf Cloud TPU ausführen (TF 1.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
-
ResNet auf Cloud TPU trainieren (TF 1.x)
ResNet-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU
-
(PyTorch) ResNet auf Cloud TPU trainieren
ResNet-Bildklassifizierungsmodell mit PyTorch, optimiert für die Ausführung auf Cloud TPU
-
MnasNet auf Cloud TPU trainieren (TF 1.x)
MnasNet-Bildklassifizierungsmodell mit TensorFlow, 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
-
EfficientNet auf Cloud TPU trainieren (TF 1.x)
EfficientNet-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU
-
AmoebaNet-D auf Cloud TPU trainieren (TF 1.x)
AmoebaNet-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung in der Cloud TPU
-
Inception auf Cloud TPU ausführen (TF 1.x)
Leitfaden für das Training von Inception-Modellen auf Cloud TPU
-
Deeplab v3 auf Cloud TPU ausführen (TF 1.x)
Leitfaden für das Training des Deeplab v3-Modells auf Cloud TPU
Objekterkennung
-
RetinaNet auf Cloud TPU trainieren (TF 1.x)
RetinaNet-Objekterkennungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU
-
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 1.x)
ShapeMask-Objekterkennungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU
-
Mask RCNN auf Cloud TPU trainieren (TF 1.x)
Mask RCNN-Modell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU
Empfehlungssysteme
-
(Pytorch) DLRM-Modell auf Cloud TPU trainieren
Leitfaden für das Training des PyTorch-DLRM-Modells auf Cloud TPU.
-
Trainieren eines neuronalen Modells zur Zusammenarbeit in Cloud TPU (TF 2.x)
Implementierung des NFL-Frameworks (Neural Collaborative Filtering) mit dem Modell Neural Matrix Factorization (Neu)
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
-
BERT-Feinabstimmung mit Cloud TPU: Satz- und Satzpaar-Klassifizierungsaufgaben (TF 1.x)
Anleitung zur Verwendung von BERT (Bidirectional Encoder Representations from Transformers) mit Cloud TPU
-
(PyTorch) FairSeq RoBERTa auf Cloud TPU vorab trainieren
Leitfaden zum Training im Voraus der FairSeq-Version des RoBERTa-Modells auf Cloud TPU mit dem öffentlichen Dataset wikitext-103.
T2T Transformer
-
Transformer auf Cloud TPU trainieren (TF 2.x)
Eine Anleitung zum Trainieren des Tensor2Tensor Transformer-Modells in der Cloud TPU für die Übersetzung vom Englischen ins Deutsche.
-
Transformer mit Tensor2Tensor auf Cloud TPU ausführen (TF 1.x)
Anleitung für das Training von Tensor2Tensor-Transformer-Modellen auf Cloud TPU für Übersetzungen, Sprachmodellierung und Sentimentanalyse
-
(PyTorch) FairSeq Transformer auf Cloud TPU trainieren
Anleitung für das Training der FairSeq-Version des Transformer-Modells auf Cloud TPU und zum Ausführen der WMT 18-Übersetzungsaufgabe vom Englischen ins Deutsche.
-
Automatische Spracherkennung auf Cloud TPU (TF 1.x) ausführen
Spracherkennungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU