各種AI模型拿來就能用！五大深度學習模型庫大盤點

你知道PyTorch Hub嗎？

這個Facebook的深度學習模型庫，一問世就引發了巨大關注。

因為它太強了：

ResNet、BERT、GPT、VGG、PGAN、MobileNet等深度學習領域的經典模型，只需輸入一行程式碼，就能一鍵呼叫。

不過，人工智慧領域，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，為復現研究提供了基本構建模組，包含預訓練模型庫。

PyTorch Hub支援Colab，能與論文程式碼結合網站Papers With Code整合，用於更廣泛的研究。

此外，Facebook還鼓勵學者把自己的模型釋出到這裡來，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：

GitHub地址：

相關報導：

PyTorch Hub釋出！一行程式碼呼叫最潮模型，圖靈獎得主強推

TensorFlow Hub

官方介紹，TensorFlow Hub是一個庫，用於釋出、發現和使用機器學習模型中可重複利用的部分。

模組是一個獨立的 TensorFlow 圖部分，其中包含權重和資源，可以在一個程式中供不同任務重複使用（稱為遷移學習）。

從而實現使用較小的資料集訓練模型；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個用於文字嵌入的模組、71個用於影像特徵向量模組，以及2個用於影片分類的模組等等。

模組基本上全來自谷歌官方，來自谷歌AI的有大多數，還有一些來自DeepMind。

TensorFlow Hub支援使用語言、網路、提供者、資料集以及型別來對模組進行精確篩查。其中有8個模組支援中文。

TensorFlow Hub：

GitHub地址：

TensorFlow Models

一個GitHub上的儲存庫，包含了許多在TensorFlow中實現的模型，一共分為兩類：官方模型和研究模型。

官方模型，是使用TensorFlow的高階API的示例模型的集合。

它們能夠得到良好的維護、測試，並與最新的穩定的TensorFlow API保持同步。專案建立者表示，推薦新的TensorFlow使用者從這裡開始，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中實現的大量模型集合。它們在釋出分支中不受官方支援或不可用；模型維護等方面取決於各個研究人員。目前有51個模型，覆蓋計算機視覺、自然語言處理領域等等。

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於Pytorch或者TensorFlow。

在每個模型上，會標註出這個模型在GitHub的標星數量，模型適用的框架、領域以及模型的使用條件/用途。

目前已經收集了數百個模型，覆蓋的領域包括計算機視覺、自然語言處理、強化學習、無監督學習、音訊和語音、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個領域，分別是：

聲音分類、音訊特徵提取、音訊建模、面部識別、影像分類、影像特徵提取、影像到影像的翻譯或轉換、影像到文字的翻譯、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、文字分類、文字特徵提取、文字到影像的翻譯、時間序列預測、影片分類

Models – IBM Developer

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

小結

最後，小小總結一下。

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，能夠快速呼叫部署。

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

大家可以根據自己的需求選擇相應深度學習庫。

利用好了，可以事半功倍~

— 完 —