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:
相关报道:
PyTorch Hub发布!一行代码调用最潮模型,图灵奖得主强推
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 !
各种AI模型拿来就能用!五大深度学习模型库大盘点相关推荐
- AI开发者看过来,主流移动端深度学习框架大盘点
简书作者 dangbo 在<移动端深度学习展望>一文中对现阶段的移动端深度学习做了相关展望.作者认为,现阶段的移动端 APP 主要通过以下两种模式来使用深度学习: online 方式:移动 ...
- 四位顶级AI大牛纵论:深度学习和大数据结合的红利还能持续多久?
这轮 AI 热潮的很大一个特点就是底层技术方面在打通,虽然说过去对通用人工智能大家曾经有过很高的期望,但一直没有落地.这次,深度学习给大家带来了很多机会,使得我们在底层技术方面有了越来越多的共性.然而 ...
- AI:《DEEP LEARNING’S DIMINISHING RETURNS—深度学习的收益递减》翻译与解读
AI:<DEEP LEARNING'S DIMINISHING RETURNS-深度学习的收益递减>翻译与解读 导读:深度学习的收益递减.麻省理工学院的 Neil Thompson 和他的 ...
- 深入云原生 AI:基于 Alluxio 数据缓存的大规模深度学习训练性能优化
作者 | 车漾(阿里云高级技术专家).顾荣(南京大学 副研究员) 导读:Alluxio 项目诞生于 UC Berkeley AMP 实验室,自开源以来经过 7 年的不断开发迭代,支撑大数据处理场景的数 ...
- 科普贴开篇:到底什么是人工智能(AI)、机器学习(ML)和深度学习(DL
[https://zhuanlan.zhihu.com/p/26442277] 科普贴开篇:到底什么是人工智能(AI).机器学习(ML)和深度学习(DL) 优雅的程序员 9 个月前 这两年创业圈.技术 ...
- 大白话聊聊“深度学习”和“大模型”
1950年图灵发表论文<计算机器与智能>( Computing Machinery and Intelligence),提出了"机器智能"(Machine Intell ...
- 2023北京智源大会亮点回顾 | 高性能计算、深度学习和大模型:打造通用人工智能AGI的金三角
AIGC | Aquila | HuggingFace AGI | DeepMind | Stability AI 通用人工智能(AGI)是人工智能领域的最终目标,也是一项极具挑战性的任务.在诸多技 ...
- 资源 | AI、神经网络、机器学习、深度学习以及大数据学习备忘单
向AI转型的程序员都关注了这个号☝☝☝ 以下是关于神经网络.机器学习.深度学习以及大数据学习的备忘单,其中部分内容和此前发布的<资源 | 值得收藏的 27 个机器学习的小抄>有所重复,大家 ...
- AI:人工智能概念之机器学习ML、深度学习DL、数据挖掘、知识发现、模式识别等重要领域之间比较关系结构图之详细攻略
AI:人工智能概念之机器学习ML.深度学习DL.数据挖掘.知识发现.模式识别等重要领域之间比较关系结构图之详细攻略 目录 AI与ML.DL的概念 AI与ML.DL的结构关系图 参考文章:<201 ...
最新文章
- seaborn使用displot函数实现多面板直方图(Multi-panel)可视化:使用set_title函数自定义设置多面板直方图标题(Multi-panel histograms’ title)
- Python Django URL传参代码示例
- MassTransitamp;amp;Sagas分布式服务开发ppt分享
- 每日一题:leetcode191.位1的个数
- Linux下ARM开发环境搭建
- 直播带货时画质总是太差,你的视频转码方案可能要换了
- 计算机各个部件配合完成加减乘除(计组学习二)
- [server]阿里云服务器远程文件传输的解决方案
- 求最小公倍数的三种方法
- 040 罗尔定理与零点定理、介值定理综合应用;柯西中值定理; 型二( f(n) (ξ) =0 )
- Unity | 连线题_画直线的方法
- linux调度器并发,12 Go 并发调度器模型
- Android ROM适配基础
- 如何使用 Axios 中的请求拦截器 和响应拦截器
- centos7.6安装psycopg2
- 计算机的发展史与应用,计算机发展史`分类和应用领域
- 为Linux内核函数插入二进制指令并且校准偏移的手艺
- 苹果手机计算机怎么看之前的记录,苹果怎么查之前的通话记录吗(苹果手机怎么查通话录音内容)...
- 创客匠人直播:构建公域到私域的用户增长模型
- VS 2008 Express