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

用于计算单张图像相对深度的 MiDaS 模型。

ntsnet

使用这个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 是一个新型卷积神经网络系列，旨在最大限度地发挥 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) 解耦了训练和搜索，并在各种边缘设备和资源受限环境下实现了高效推理。

Open-Unmix

音乐源分离的参考实现

Silero 语音转文本模型

一组紧凑的企业级多语言预训练 STT 模型。

Silero 文本转语音模型

一组紧凑的企业级多语言预训练 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)

用于英法和英德翻译的 Transformer 模型。

ResNext WSL

使用十亿级弱监督数据训练的 ResNext 模型。

FashionGen 上的 DCGAN

一个用于 64x64 图像的简单生成图像模型

GAN 的渐进增长 (PGAN)

高质量生成时尚图片、名人面部图片

半监督和半弱监督 ImageNet 模型

“十亿级半监督图像分类学习”论文中介绍的 ResNet 和 ResNext 模型

PyTorch-Transformers

流行 NLP Transformer 的 PyTorch 实现

用于脑部 MRI 的 U-Net

带有批量归一化的 U-Net，用于生物医学图像分割，包含用于脑部 MRI 异常分割的预训练权重

EfficientNet

EfficientNets 是一系列图像分类模型，可实现最先进的准确率，同时体积和速度都提高了数量级。使用 Tensor Core 混合精度训练。

ResNet50

使用 Tensor Core 混合精度训练的 ResNet50 模型。

ResNeXt101

将瓶颈 3x3 卷积替换为 3x3 分组卷积的 ResNet，使用 Tensor Core 混合精度训练。

SE-ResNeXt101

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

SSD

用于目标检测的 Single Shot MultiBox Detector 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，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所有其他层。

FCN

具有 ResNet-50 和 ResNet-101 主干的全卷积网络模型

GhostNet

通过廉价操作生成更多特征的高效网络

GoogLeNet

GoogLeNet 基于一个代号为“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 Harmonic DenseNet

IBN-Net

具有域/外观不变性的网络

Inception_v3

也称为 GoogleNetv3，一个在 2015 年 ImageNet 上训练的著名 ConvNet

MEAL_V2

使用知识蒸馏提升微小高效模型的性能。

MobileNet v2

具有残差块、针对速度和内存优化的高效网络

ProxylessNAS

无需代理即可针对不同硬件平台专门化 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 ResNet，更高效准确

ShuffleNet v2

在 ImageNet 上预训练的、针对速度和内存优化的高效 ConvNet

SNNMLP

带有脉冲神经元的类脑多层感知器

SqueezeNet

具有 AlexNet 级别准确率，参数量减少 50 倍。

vgg-nets

2014 年 ImageNet ILSVRC 挑战赛获奖 ConvNet

Wide ResNet

宽残差网络

SimpleNet

保持简单，使用简单架构超越更深、更复杂的架构