PyTorch Hub面向研究人员 – PyTorch - PyTorch 深度学习库

探索和扩展来自最新尖端研究的模型。

发现并发布模型到为研究探索设计的预训练模型库。查看适用于研究人员的模型，或了解其工作原理。贡献模型。

*这是一个测试版本 – 我们将在未来几个月收集反馈并改进 PyTorch Hub。

PyTorch-Transformers

流行 NLP Transformers 的 PyTorch 实现

YOLOv5

Ultralytics YOLOv5 🚀 用于目标检测、实例分割和图像分类。

Transformer (NMT)

用于英法和英德翻译的 Transformer 模型。

RoBERTa

一种稳健优化的 BERT 预训练方法

Deeplabv3

带 ResNet-50、ResNet-101 和 MobileNet-V3 主干的 DeepLabV3 模型

AlexNet

2012 年 ImageNet 冠军，其 top-5 错误率为 15.3%，比亚军低 10.8 个百分点以上。

SqueezeNet

AlexNet 级别的精度，参数量减少 50 倍。

DenseNet

密集卷积网络 (DenseNet)，以前馈方式将每一层连接到其他所有层。

VGG-Nets

2014 年 ImageNet ILSVRC 挑战赛的获奖卷积网络

FCN

带有 ResNet-50 和 ResNet-101 主干的全卷积网络模型

Wide ResNet

宽残差网络

GoogLeNet

GoogLeNet 基于一个代号为“Inception”的深度卷积神经网络架构，该网络赢得了 2014 年 ImageNet 比赛。

Inception_v3

又称 GoogleNetv3，一个著名的、在 ImageNet 上训练的 2015 年卷积网络

MobileNet v2

为速度和内存优化的高效网络，带有残差块

ResNet

在 ImageNet 上预训练的深度残差网络

ResNeXt

下一代 ResNet，更高效、更精确

ShuffleNet v2

一个为速度和内存优化的高效卷积网络，在 ImageNet 上预训练

FastPitch 2

用于从文本生成梅尔频谱图的 FastPitch 模型

GPUNet

GPUNet 是一系列新的卷积神经网络，旨在最大化 NVIDIA GPU 和 TensorRT 的性能。

EfficientNet

EfficientNets 是一系列图像分类模型，它们实现了最先进的精度，同时尺寸和速度提高了一个数量级。使用 Tensor Cores 进行混合精度训练。

HiFi GAN

用于从梅尔频谱图生成波形的 HiFi GAN 模型

ResNet50

使用 Tensor Cores 进行混合精度训练的 ResNet50 模型。

ResNeXt101

将 ResNet 中瓶颈 3x3 卷积替换为 3x3 分组卷积的 ResNet，使用 Tensor Cores 进行混合精度训练。

SE-ResNeXt101

添加了 Squeeze-and-Excitation 模块的 ResNeXt，使用 Tensor Cores 进行混合精度训练。

SSD

用于目标检测的单发多框检测器模型

Tacotron 2

用于从文本生成梅尔频谱图的 Tacotron 2 模型

WaveGlow

用于从梅尔频谱图（由 Tacotron2 生成）生成语音的 WaveGlow 模型

Silero 语音活动检测器

预训练语音活动检测器

Silero 语音转文本模型

一套紧凑的企业级多语言预训练语音转文本模型。

Silero 文本转语音模型

一套紧凑的企业级多语言预训练文本转语音模型

MiDaS

MiDaS 模型用于从单个图像计算相对深度。

GhostNet

通过廉价操作生成更多特征的高效网络

SNNMLP

受大脑启发的、带有脉冲神经元的多层感知器

3D ResNet

在 Kinetics 400 数据集上预训练的 ResNet 风格视频分类网络

SlowFast

在 Kinetics 400 数据集上预训练的 SlowFast 网络

X3D

在 Kinetics 400 数据集上预训练的 X3D 网络

ResNeSt

ResNet 的一个新变体。

YOLOP

在 BDD100K 数据集上预训练的 YOLOP

一次性（Once-for-All）

一次性（OFA）将训练和搜索解耦，并在各种边缘设备和资源限制下实现高效推理。

FashionGen 上的 DCGAN

一个简单的用于 64x64 图像的生成式图像模型

渐进式增长 GAN (PGAN)

时尚、名人面孔的高质量图像生成

ProxylessNAS

为不同的硬件平台无代理地专门化 CNN 架构。

Open-Unmix

音乐源分离的参考实现

IBN-Net

具有域/外观不变性的网络

用于脑部MRI的U-Net

带批量归一化的U-Net，用于生物医学图像分割，预训练权重用于脑部MRI中的异常分割

MEAL_V2

使用知识蒸馏提升小型高效模型。

HybridNets

HybridNets – 端到端感知网络

ResNext WSL

使用亿级弱监督数据训练的 ResNext 模型。

HarDNet

在 ImageNet 上预训练的 Harmonic DenseNet

半监督和半弱监督 ImageNet 模型

在“Billion scale semi-supervised learning for image classification”论文中介绍的 ResNet 和 ResNext 模型

SimpleNet

让我们保持简单，使用简单的架构超越更深、更复杂的架构

ntsnet

使用此细粒度图像分类器对鸟类进行分类