各种AI模型拿来就能用！五大深度学习模型库大盘点

乾明编辑整理
量子位出品 | 公众号 QbitAI

你知道PyTorch Hub吗？

这个Facebook的深度学习模型库，一问世就引发了巨大关注。

因为它太强了：

ResNet、BERT、GPT、VGG、PGAN、MobileNet等深度学习领域的经典模型，只需输入一行代码，就能一键调用。

不过，人工智能领域，这样的模型库不仅仅只有PyTorch Hub一个，还有其他4个（来自@爱可可-爱生活）：

TensorFlow Hub、TensorFlow Models、Model Zoo、Models – IBM Developer

在这些地方，深度学习模型同样能够“拿来就能用”。

PyTorch Hub

官方介绍，PyTorch Hub是一个简易API和工作流程，为复现研究提供了基本构建模块，包含预训练模型库。

PyTorch Hub支持Colab，能与论文代码结合网站Papers With Code集成，用于更广泛的研究。

此外，Facebook还鼓励学者把自己的模型发布到这里来，来让PyTorch Hub越来越强大。

目前，PyTorch Hub有26个模型可以使用，它们分别是：

Deeplabv3-ResNet101、Transformer (NMT)、WaveGlow、ResNext WSL、DCGAN on FashionGen、Progressive Growing of GANs (PGAN)、BERT、GPT、GPT-2、Transformer-XL、U-Net for brain MRI、SSD、Tacotron 2、RoBERTa、AlexNet、Densenet、FCN-ResNet101、GoogLeNet、Inception_v3、MobileNet v2、ResNet、ResNext、ShuffleNet v2、SqueezeNet、vgg-nets、Wide ResNet

PyTorch Hub：

GitHub地址：

TensorFlow Hub

官方介绍，TensorFlow Hub是一个库，用于发布、发现和使用机器学习模型中可重复利用的部分。

模块是一个独立的 TensorFlow 图部分，其中包含权重和资源，可以在一个进程中供不同任务重复使用（称为迁移学习）。

从而实现使用较小的数据集训练模型；改善泛化效果，以及加快训练速度。

目前，TensorFlow Hub一共有20个API、75个用于文本嵌入的模块、71个用于图像特征向量模块，以及2个用于视频分类的模块等等。

模块基本上全来自谷歌官方，来自谷歌AI的有大多数，还有一些来自DeepMind。

TensorFlow Hub支持使用语言、网络、提供者、数据集以及类型来对模块进行精确筛查。其中有8个模块支持中文。

TensorFlow Hub：

GitHub地址：

TensorFlow Models

一个GitHub上的存储库，包含了许多在TensorFlow中实现的模型，一共分为两类：官方模型和研究模型。

官方模型，是使用TensorFlow的高级API的示例模型的集合。

它们能够得到良好的维护、测试，并与最新的稳定的TensorFlow API保持同步。项目创建者表示，推荐新的TensorFlow用户从这里开始，目前可用的模型有：

BERT、Boosted Trees、MNIST、ResNet、Transformer、Wide_deep

研究模型，是研究人员在TensorFlow中实现的大量模型集合。它们在发布分支中不受官方支持或不可用；模型维护等方面取决于各个研究人员。目前有51个模型，覆盖计算机视觉、自然语言处理领域等等。

TensorFlow Models：

https://github.com/tensorflow/models/

Model Zoo

这个平台，由新加坡名为Jing Yu Koh本科生牵头搭建。与上述的几个平台不同，这个平台上提供预训练模型，不仅仅只是完全针对于Pytorch或者TensorFlow。

在每个模型上，会标注出这个模型在GitHub的标星数量，模型适用的框架、领域以及模型的使用条件/用途。

目前已经收集了数百个模型，覆盖的领域包括计算机视觉、自然语言处理、强化学习、无监督学习、音频和语音、生成模型。

涉及到的框架有：TensorFlow、Caffe、Caffe2、PyTorch、MXNet、Keras、Chainer。

Model Zoo：

Models – IBM Developer

IBM开放的预训练深度模型库，目前一共有32个模型，分为可部署和可训练模型两类，涉及18个领域，分别是：

声音分类、音频特征提取、音频建模、面部识别、图像分类、图像特征提取、图像到图像的翻译或转换、图像到文本的翻译、语言建模、命名实体识别、自然语言处理、图片中的目标检测、安全、文本分类、文本特征提取、文本到图像的翻译、时间序列预测、视频分类

Models – IBM Developer

https://developer.ibm.com/exchanges/models/all/

小结

最后，小小总结一下。

上文提到的这些深度模型库中，有一些是专用的，比如PyTorch Hub、TensorFlow Hub和TensorFlow Models，只能够在PyTorch框架或者TensorFlow中使用，但其使用起来非常方便，能够快速调用部署。

其他的，比如Model Zoo则是由个人开发者收集，覆盖面很广泛，模型也很多，但相对来说，部署起来并没有直接利用PyTorch Hub或TensorFlow Hub方便。

大家可以根据自己的需求选择相应深度学习库。

利用好了，可以事半功倍~

— 完 —

加入社群 | 与优秀的人交流

小程序 | 全类别AI学习教程

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

喜欢就点「好看」吧！