各種AI模型拿來就能用！五大深度學習模型庫大盤點

乾明 2019-08-23 16:29:00 來源：量子位

乾明 編輯整理

量子位 出品 | 公眾號 QbitAI

你知道PyTorch Hub嗎？

這個Facebook的深度學習模型庫，一問世就引發(fā)了巨大關(guān)注。

因為它太強了：

ResNet、BERT、GPT、VGG、PGAN、MobileNet等深度學習領(lǐng)域的經(jīng)典模型，只需輸入一行代碼，就能一鍵調(diào)用。

不過，人工智能領(lǐng)域，這樣的模型庫不僅僅只有PyTorch Hub一個，還有其他4個（來自@愛可可-愛生活）：

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

在這些地方，深度學習模型同樣能夠“拿來就能用”。

PyTorch Hub

官方介紹，PyTorch Hub是一個簡易API和工作流程，為復現(xiàn)研究提供了基本構(gòu)建模塊，包含預訓練模型庫。

PyTorch Hub支持Colab，能與論文代碼結(jié)合網(wǎng)站Papers With Code集成，用于更廣泛的研究。

此外，F(xiàn)acebook還鼓勵學者把自己的模型發(fā)布到這里來，來讓PyTorch Hub越來越強大。

目前，PyTorch Hub有26個模型可以使用，它們分別是：

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

相關(guān)報道：

PyTorch Hub發(fā)布！一行代碼調(diào)用最潮模型，圖靈獎得主強推

TensorFlow Hub

官方介紹，TensorFlow Hub是一個庫，用于發(fā)布、發(fā)現(xiàn)和使用機器學習模型中可重復利用的部分。

模塊是一個獨立的 TensorFlow 圖部分，其中包含權(quán)重和資源，可以在一個進程中供不同任務(wù)重復使用（稱為遷移學習）。

從而實現(xiàn)使用較小的數(shù)據(jù)集訓練模型；改善泛化效果，以及加快訓練速度。

目前，TensorFlow Hub一共有20個API、75個用于文本嵌入的模塊、71個用于圖像特征向量模塊，以及2個用于視頻分類的模塊等等。

模塊基本上全來自谷歌官方，來自谷歌AI的有大多數(shù)，還有一些來自DeepMind。

TensorFlow Hub支持使用語言、網(wǎng)絡(luò)、提供者、數(shù)據(jù)集以及類型來對模塊進行精確篩查。其中有8個模塊支持中文。

TensorFlow Hub：

https://www.tensorflow.org/hub

GitHub地址：

https://github.com/tensorflow/hub

TensorFlow Models

一個GitHub上的存儲庫，包含了許多在TensorFlow中實現(xiàn)的模型，一共分為兩類：官方模型和研究模型。

官方模型，是使用TensorFlow的高級API的示例模型的集合。

它們能夠得到良好的維護、測試，并與最新的穩(wěn)定的TensorFlow API保持同步。項目創(chuàng)建者表示，推薦新的TensorFlow用戶從這里開始，目前可用的模型有：

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

研究模型，是研究人員在TensorFlow中實現(xiàn)的大量模型集合。它們在發(fā)布分支中不受官方支持或不可用；模型維護等方面取決于各個研究人員。目前有51個模型，覆蓋計算機視覺、自然語言處理領(lǐng)域等等。

TensorFlow Models：

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

Model Zoo

這個平臺，由新加坡名為Jing Yu Koh本科生牽頭搭建。與上述的幾個平臺不同，這個平臺上提供預訓練模型，不僅僅只是完全針對于Pytorch或者TensorFlow。

在每個模型上，會標注出這個模型在GitHub的標星數(shù)量，模型適用的框架、領(lǐng)域以及模型的使用條件/用途。

目前已經(jīng)收集了數(shù)百個模型，覆蓋的領(lǐng)域包括計算機視覺、自然語言處理、強化學習、無監(jiān)督學習、音頻和語音、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開放的預訓練深度模型庫，目前一共有32個模型，分為可部署和可訓練模型兩類，涉及18個領(lǐng)域，分別是：

聲音分類、音頻特征提取、音頻建模、面部識別、圖像分類、圖像特征提取、圖像到圖像的翻譯或轉(zhuǎn)換、圖像到文本的翻譯、語言建模、命名實體識別、自然語言處理、圖片中的目標檢測、安全、文本分類、文本特征提取、文本到圖像的翻譯、時間序列預測、視頻分類

Models – IBM Developer

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

小結(jié)

最后，小小總結(jié)一下。

上文提到的這些深度模型庫中，有一些是專用的，比如PyTorch Hub、TensorFlow Hub和TensorFlow Models，只能夠在PyTorch框架或者TensorFlow中使用，但其使用起來非常方便，能夠快速調(diào)用部署。

其他的，比如Model Zoo則是由個人開發(fā)者收集，覆蓋面很廣泛，模型也很多，但相對來說，部署起來并沒有直接利用PyTorch Hub或TensorFlow Hub方便。

大家可以根據(jù)自己的需求選擇相應(yīng)深度學習庫。

利用好了，可以事半功倍~