Pytorch hub 介绍

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”。

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：
https://pytorch.org/hub

GitHub地址：
https://github.com/pytorch/hub

 

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：
https://modelzoo.co/

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。