无
入门指南
开发者指南
代码示例
计算机视觉
自然语言处理
结构化数据
时间序列
生成式深度学习
隐式扩散去噪模型
Stable Diffusion 3 潜在空间漫步
DreamBooth
概率扩散去噪模型
通过文本反转教会 StableDiffusion 新概念
微调 Stable Diffusion
变分自编码器
GAN 重写 Model.train_step
WGAN-GP 重写 Model.train_step
条件 GAN
CycleGAN
自适应判别器增强的数据高效 GAN
深度梦境
用于条件图像生成的 GauGAN
PixelCNN
StyleGAN 人脸图像生成
矢量量化变分自编码器
Stable Diffusion 潜在空间漫步
神经风格迁移
AdaIN 神经风格迁移
使用 KerasHub 的 GPT2 文本生成
从头开始使用 KerasHub 生成 GPT 文本
使用微型 GPT 生成文本
使用 LSTM 进行字符级文本生成
使用 FNet 进行文本生成
使用 Transformer 模型生成音乐
使用 VAE 生成药物分子
用于生成小分子图的 WGAN-GP 与 R-GCN
使用 Real NVP 进行密度估计
音频数据
强化学习
图数据
快速 Keras 技巧
Keras 3 API 文档
Keras 2 API 文档
KerasTuner: 超参数调优
KerasHub: 预训练模型
KerasRS
快速入门
指南
API
示例
Keras Tuner
Keras RS
Keras Hub
代码示例
计算机视觉
自然语言处理
结构化数据
时间序列
生成式深度学习
隐式扩散去噪模型
Stable Diffusion 3 潜在空间漫步
DreamBooth
概率扩散去噪模型
通过文本反转教会 StableDiffusion 新概念
微调 Stable Diffusion
变分自编码器
GAN 重写 Model.train_step
WGAN-GP 重写 Model.train_step
条件 GAN
CycleGAN
自适应判别器增强的数据高效 GAN
深度梦境
用于条件图像生成的 GauGAN
PixelCNN
StyleGAN 人脸图像生成
矢量量化变分自编码器
Stable Diffusion 潜在空间漫步
神经风格迁移
AdaIN 神经风格迁移
使用 KerasHub 的 GPT2 文本生成
从头开始使用 KerasHub 生成 GPT 文本
使用微型 GPT 生成文本
使用 LSTM 进行字符级文本生成
使用 FNet 进行文本生成
使用 Transformer 模型生成音乐
使用 VAE 生成药物分子
用于生成小分子图的 WGAN-GP 与 R-GCN
使用 Real NVP 进行密度估计
音频数据
强化学习
图数据
快速 Keras 技巧
►
代码示例
/ 生成式深度学习
生成式深度学习
图像生成
★
V3
隐式扩散去噪模型
★
V3
Stable Diffusion 3 潜在空间漫步
V2
DreamBooth
V2
概率扩散去噪模型
V2
通过文本反转教会 StableDiffusion 新概念
V2
微调 Stable Diffusion
V3
变分自编码器
V3
GAN 重写 Model.train_step
V3
WGAN-GP 重写 Model.train_step
V3
条件 GAN
V3
CycleGAN
V3
自适应判别器增强的数据高效 GAN
V3
深度梦境
V3
用于条件图像生成的 GauGAN
V3
PixelCNN
V2
StyleGAN 人脸图像生成
V2
矢量量化变分自编码器
V3
Stable Diffusion 潜在空间漫步
风格迁移
V3
神经风格迁移
V2
AdaIN 神经风格迁移
文本生成
★
V3
使用 KerasHub 的 GPT2 文本生成
V3
从头开始使用 KerasHub 生成 GPT 文本
V3
使用微型 GPT 生成文本
V3
使用 LSTM 进行字符级文本生成
V2
使用 FNet 进行文本生成
音频生成
V3
使用 Transformer 模型生成音乐
图生成
V3
使用 VAE 生成药物分子
V2
用于生成小分子图的 WGAN-GP 与 R-GCN
其他
V2
使用 Real NVP 进行密度估计