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而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。
Ultralytics YOLOv5 🚀 用于目标检测、实例分割和图像分类。
57.1千
带 ResNet-50、ResNet-101 和 MobileNet-V3 主干的 DeepLabV3 模型
17.6千
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。
17.6千
密集卷积网络 (DenseNet)，以前馈方式将每一层连接到其他所有层。
17.6千
带有 ResNet-50 和 ResNet-101 主干的全卷积网络模型
17.6千
又称 GoogleNetv3，一个著名的、在 ImageNet 上训练的 2015 年卷积网络
17.6千
为速度和内存优化的高效网络，带有残差块
17.6千
在 ImageNet 上预训练的深度残差网络
17.6千
一个为速度和内存优化的高效卷积网络，在 ImageNet 上预训练
17.6千
AlexNet 级别的精度，参数量减少 50 倍。
17.6千
2014 年 ImageNet ILSVRC 挑战赛的获奖卷积网络
17.6千
一套紧凑的企业级多语言预训练语音转文本模型。
5.8千
一套紧凑的企业级多语言预训练文本转语音模型
5.8千
通过廉价操作生成更多特征的高效网络
4.4千
受大脑启发的、带有脉冲神经元的多层感知器
4.4千
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
让我们保持简单，使用简单的架构超越更深、更复杂的架构
54
