關於 Keras 開始使用 開發者指南 程式碼範例 電腦視覺 自然語言處理 結構化資料 時間序列 生成式深度學習 去噪擴散隱式模型 使用 Stable Diffusion 3 漫步潛在空間 DreamBooth 去噪擴散機率模型 透過文字反轉教導 StableDiffusion 新概念 微調 Stable Diffusion 變分自動編碼器 GAN 覆寫 Model.train_step WGAN-GP 覆寫 Model.train_step 條件式 GAN CycleGAN 使用自適應判別器增強的資料效率 GAN Deep Dream 用於條件式影像生成的 GauGAN PixelCNN 使用 StyleGAN 生成臉部影像 向量量化變分自動編碼器 使用 Stable Diffusion 漫步潛在空間 神經風格轉換 使用 AdaIN 的神經風格轉換 使用 KerasHub 的 GPT2 文字生成 使用 KerasHub 從頭開始的 GPT 文字生成 使用微型 GPT 的文字生成 使用 LSTM 的字元級文字生成 使用 FNet 的文字生成 使用 Transformer 模型生成音樂 使用 VAE 生成藥物分子 使用 R-GCN 的 WGAN-GP，用於生成小型分子圖 使用 Real NVP 進行密度估計 音訊資料 強化學習 圖形資料 快速 Keras 食譜 Keras 3 API 文件 Keras 2 API 文件 KerasTuner：超參數調校 KerasHub：預訓練模型
► 程式碼範例 / 生成式深度學習

生成式深度學習

影像生成

★
V3
去噪擴散隱式模型
★
V3
使用 Stable Diffusion 3 漫步潛在空間
V2
DreamBooth
V2
去噪擴散機率模型
V2
透過文字反轉教導 StableDiffusion 新概念
V2
微調 Stable Diffusion
V3
變分自動編碼器
V3
GAN 覆寫 Model.train_step
V3
WGAN-GP 覆寫 Model.train_step
V3
條件式 GAN
V3
CycleGAN
V3
使用自適應判別器增強的資料效率 GAN
V3
Deep Dream
V3
用於條件式影像生成的 GauGAN
V3
PixelCNN
V2
使用 StyleGAN 生成臉部影像
V2
向量量化變分自動編碼器
V3
使用 Stable Diffusion 漫步潛在空間

風格轉換

V3
神經風格轉換
V2
使用 AdaIN 的神經風格轉換

文字生成

★
V3
使用 KerasHub 的 GPT2 文字生成
V3
使用 KerasHub 從頭開始的 GPT 文字生成
V3
使用微型 GPT 的文字生成
V3
使用 LSTM 的字元級文字生成
V2
使用 FNet 的文字生成

音訊生成

V3
使用 Transformer 模型生成音樂

圖形生成

V3
使用 VAE 生成藥物分子
V2
使用 R-GCN 的 WGAN-GP，用於生成小型分子圖

其他

V2
使用 Real NVP 進行密度估計
條款 | 隱私權