关于 Keras 入门 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 去噪扩散隐式模型 Stable Diffusion 潜空间漫游 DreamBooth 去噪扩散概率模型 通过文本反转教授 Stable Diffusion 新概念 微调 Stable Diffusion 变分自动编码器 GAN 重写 Model.train_step WGAN-GP 重写 Model.train_step 条件 GAN CycleGAN 具有自适应判别器增强的效率 GAN 深度梦境 用于条件图像生成的 GauGAN PixelCNN 使用 StyleGAN 生成人脸图像 矢量量化变分自动编码器 神经风格迁移 使用 AdaIN 进行神经风格迁移 使用 KerasHub 进行 GPT2 文本生成 使用 KerasHub 从头开始进行 GPT 文本生成 使用小型 GPT 进行文本生成 使用 LSTM 进行字符级文本生成 使用 FNet 进行文本生成 使用 Transformer 模型进行音乐生成 使用 VAE 生成药物分子 使用 R-GCN 的 WGAN-GP 生成小型分子图 Stable Diffusion 3 潜空间漫游 使用 Real NVP 进行密度估计 音频数据 强化学习 图数据 快速 Keras 食谱 Keras 3 API 文档 Keras 2 API 文档 KerasTuner：超参数调整 KerasHub：预训练模型
► 代码示例 / 生成式深度学习

生成式深度学习

图像生成

★
V3
去噪扩散隐式模型
★
V3
Stable Diffusion 潜空间漫游
V2
DreamBooth
V2
去噪扩散概率模型
V2
通过文本反转教授 Stable Diffusion 新概念
V2
微调 Stable Diffusion
V3
变分自动编码器
V3
GAN 重写 Model.train_step
V3
WGAN-GP 重写 Model.train_step
V3
条件 GAN
V3
CycleGAN
V2
具有自适应判别器增强的效率 GAN
V3
深度梦境
V3
用于条件图像生成的 GauGAN
V3
PixelCNN
V2
使用 StyleGAN 生成人脸图像
V2
矢量量化变分自动编码器

风格迁移

V3
神经风格迁移
V2
使用 AdaIN 进行神经风格迁移

文本生成

★
V3
使用 KerasHub 进行 GPT2 文本生成
V3
使用 KerasHub 从头开始进行 GPT 文本生成
V3
使用小型 GPT 进行文本生成
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 模型进行音乐生成

图生成

V2
使用 VAE 生成药物分子
V2
使用 R-GCN 的 WGAN-GP 生成小型分子图

其他

V2
Stable Diffusion 3 潜空间漫游
V2
使用 Real NVP 进行密度估计
条款 | 隐私权政策