HybridNets

HybridNets - 端到端感知网络

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

YOLOP

在 BDD100K 数据集上预训练的 YOLOP

MiDaS

用于从单个图像计算相对深度的 MiDaS 模型。

ntsnet

使用此细粒度图像分类器对鸟类进行分类

FastPitch 2

用于从文本生成梅尔谱图的 FastPitch 模型

GPUNet

GPUNet 是一个新的卷积神经网络系列，旨在最大限度地提高 NVIDIA GPU 和 TensorRT 的性能。

HiFi GAN

用于从梅尔谱图生成波形的 HiFi GAN 模型

Once-for-All

Once-for-all (OFA) 解耦训练和搜索，并实现了跨各种边缘设备和资源约束的有效推理。

Open-Unmix

音乐源分离的参考实现

Silero 语音转文本模型

一套针对多种语言的紧凑型企业级预训练 STT 模型。

Silero 文本转语音模型

一套针对多种语言的紧凑型企业级预训练 TTS 模型

Silero 语音活动检测器

预训练的语音活动检测器

YOLOv5

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

Deeplabv3

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

Transformer (NMT)

用于英语-法语和英语-德语翻译的 Transformer 模型。

ResNext WSL

使用数十亿规模的弱监督数据训练的 ResNext 模型。

FashionGen 上的 DCGAN

用于 64x64 图像的简单生成式图像模型

GAN 的渐进式增长 (PGAN)

时尚、名人面部的优质图像生成

半监督和半弱监督 ImageNet 模型

在“用于图像分类的数十亿规模半监督学习”论文中介绍的 ResNet 和 ResNext 模型

PyTorch-Transformers

流行的 NLP Transformer 的 PyTorch 实现

用于大脑 MRI 的 U-Net

具有批次归一化的 U-Net，用于生物医学图像分割，并具有针对大脑 MRI 中异常分割的预训练权重

EfficientNet

EfficientNet 是一个图像分类模型系列，它实现了最先进的精度，并且尺寸和速度都小了一个数量级。使用 Tensor Core 以混合精度进行训练。

ResNet50

使用 Tensor Core 以混合精度训练的 ResNet50 模型。

ResNeXt101

用 3x3 分组卷积代替瓶颈 3x3 卷积的 ResNet，使用 Tensor Core 以混合精度训练。

SE-ResNeXt101

添加了挤压和激励模块的 ResNeXt，使用 Tensor Core 以混合精度训练。

SSD

用于目标检测的单发多盒检测器模型

Tacotron 2

用于从文本生成梅尔谱图的 Tacotron 2 模型

WaveGlow

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

RoBERTa

一种稳健优化的 BERT 预训练方法

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。

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。

FCN

具有 ResNet-50 和 ResNet-101 主干的完全卷积网络模型

GhostNet

通过从廉价操作生成更多特征来实现高效的网络

GoogLeNet

GoogLeNet 基于一种名为“Inception”的深度卷积神经网络架构，该架构赢得了 2014 年 ImageNet 比赛。

HarDNet

在 ImageNet 上预训练的谐波密集网络

IBN-Net

具有域/外观不变性的网络

Inception_v3

也被称为 GoogleNetv3，一个著名的从 2015 年开始在 ImageNet 上训练的 ConvNet

MEAL_V2

使用知识蒸馏来提升微型高效模型。

MobileNet v2

针对速度和内存进行优化的高效网络，具有残差块

ProxylessNAS

为不同的硬件平台无代理地专门化 CNN 架构。

ResNeSt

一种新的 ResNet 变体。

ResNet

在 ImageNet 上预训练的深度残差网络

ResNext

下一代 ResNets，更高效、更准确

ShuffleNet v2

在 ImageNet 上预训练的，针对速度和内存进行优化的高效 ConvNet

SNNMLP

具有尖峰神经元的脑启发式多层感知器

SqueezeNet

在参数减少 50 倍的情况下实现 Alexnet 级别的精度。

vgg-nets

来自 2014 年 ImageNet ILSVRC 挑战赛的获奖 ConvNets

Wide ResNet

宽残差网络

SimpleNet

保持简单，使用简单的架构优于更深、更复杂的架构