关于Keras
入门指南
开发者指南
Keras 3 API 文档
Keras 2 API 文档
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
使用稳定扩散穿越潜在空间
DreamBooth 梦想展位
去噪扩散概率模型
通过文本反演教会StableDiffusion新概念
微调稳定扩散
变分自编码器
在GAN中重写Model.train_step
WGAN-GP 覆盖 Model.train_step
条件生成对抗网络
CycleGAN
具有自适应鉴别器增强的数据高效GANs
深度梦境
用于条件图像生成的GauGAN
PixelCNN
使用StyleGAN生成面部图像
向量量化变分自编码器
神经风格迁移
利用AdaIN进行神经风格迁移
使用 KerasNLP 进行 GPT2 文本生成
使用KerasNLP从零开始进行GPT文本生成
使用微型GPT进行文本生成
使用LSTM的字符级文本生成
使用FNet进行文本生成
使用变分自编码器生成药物分子
使用R-GCN的WGAN-GP生成小分子图
Density estimation using Real NVP
音频数据
强化学习
图数据
快速Keras食谱
KerasTuner:超参数调优
KerasCV:计算机视觉工作流
KerasNLP:自然语言工作流程
search
►
代码示例
/ 生成式深度学习
生成式深度学习
Image generation
★
V3
去噪扩散隐式模型
★
V3
使用稳定扩散穿越潜在空间
V2
DreamBooth 梦想展位
V2
去噪扩散概率模型
V2
通过文本反演教会StableDiffusion新概念
V2
微调稳定扩散
V3
变分自编码器
V3
在GAN中重写Model.train_step
V3
WGAN-GP 覆盖 Model.train_step
V3
条件生成对抗网络
V2
CycleGAN
V2
具有自适应鉴别器增强的数据高效GANs
V3
深度梦境
V3
用于条件图像生成的GauGAN
V3
PixelCNN
V2
使用StyleGAN生成面部图像
V2
向量量化变分自编码器
Style transfer
V3
神经风格迁移
V2
利用AdaIN进行神经风格迁移
Text generation
★
V3
使用 KerasNLP 进行 GPT2 文本生成
V3
使用KerasNLP从零开始进行GPT文本生成
V3
使用微型GPT进行文本生成
V3
使用LSTM的字符级文本生成
V2
使用FNet进行文本生成
Graph generation
V2
使用变分自编码器生成药物分子
V2
使用R-GCN的WGAN-GP生成小分子图
Other
V2
Density estimation using Real NVP