流行 NLP Transformers 的 PyTorch 实现
156.2千
Ultralytics YOLOv5 🚀 用于目标检测、实例分割和图像分类。
56.8千
用于英法和英德翻译的 Transformer 模型。
32.1千
2014 年 ImageNet ILSVRC 挑战赛的获奖卷积网络
17.5千
AlexNet 级别的精度，参数量减少 50 倍。
17.5千
一个为速度和内存优化的高效卷积网络，在 ImageNet 上预训练
17.5千
在 ImageNet 上预训练的深度残差网络
17.5千
为速度和内存优化的高效网络，带有残差块
17.5千
又称 GoogleNetv3，一个著名的、在 ImageNet 上训练的 2015 年卷积网络
17.5千
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。
17.5千
带有 ResNet-50 和 ResNet-101 主干的全卷积网络模型
17.5千
密集卷积网络 (DenseNet)，以前馈方式将每一层连接到其他所有层。
17.5千
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。
17.5千
带 ResNet-50、ResNet-101 和 MobileNet-V3 主干的 DeepLabV3 模型
17.5千
用于从梅尔频谱图（由 Tacotron2 生成）生成语音的 WaveGlow 模型
14.7千
用于从文本生成梅尔频谱图的 Tacotron 2 模型
14.7千
添加了 Squeeze-and-Excitation 模块的 ResNeXt，使用 Tensor Cores 进行混合精度训练。
14.7千
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。
14.7千
使用 Tensor Cores 进行混合精度训练的 ResNet50 模型。
14.7千
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。
14.7千
用于从梅尔频谱图生成波形的 HiFi GAN 模型
14.7千
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。
14.7千
用于从文本生成梅尔频谱图的 FastPitch 模型
14.7千
一套紧凑的企业级多语言预训练文本转语音模型
5.8千
一套紧凑的企业级多语言预训练语音转文本模型。
5.8千
MiDaS 模型用于从单个图像计算相对深度。
5.3千
受大脑启发的、带有脉冲神经元的多层感知器
4.4千
通过廉价操作生成更多特征的高效网络
4.4千
在 Kinetics 400 数据集上预训练的 X3D 网络
3.5千
在 Kinetics 400 数据集上预训练的 SlowFast 网络
3.5千
在 Kinetics 400 数据集上预训练的 ResNet 风格视频分类网络
3.5千
在 BDD100K 数据集上预训练的 YOLOP
2.2千
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。
1.9k
时尚、名人面孔的高质量图像生成
1.6k
一个简单的用于 64x64 图像的生成式图像模型
1.6k
为不同的硬件平台无代理地专门化 CNN 架构。
1.4k
具有域/外观不变性的网络
808
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
770
使用知识蒸馏提升小型高效模型。
701
HybridNets – 端到端感知网络
664
使用亿级弱监督数据训练的 ResNext 模型。
603
在 ImageNet 上预训练的 Harmonic DenseNet
370
在“Billion scale semi-supervised learning for image classification”论文中介绍的 ResNet 和 ResNext 模型
246
让我们保持简单，使用简单的架构超越更深、更复杂的架构
53
使用此细粒度图像分类器对鸟类进行分类
34
