同步操作将从 MindSpore/models 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
为了让开发者更好地体验MindSpore框架优势,我们将陆续增加更多的典型网络和相关预训练模型。如果您对ModelZoo有任何需求,请通过Gitee或MindSpore与我们联系,我们将及时处理。
使用最新MindSpore API的SOTA模型
MindSpore优势
官方维护和支持
领域 | 子领域 | 网络 | Ascend | GPU | CPU |
---|---|---|---|---|---|
音频(Audio) | 音频合成(Speech Synthesis) | LPCNet | ✅ | ||
音频(Audio) | 音频合成(Speech Synthesis) | MelGAN | ✅ | ||
音频(Audio) | 音频合成(Speech Synthesis) | Tacotron2 | ✅ | ||
计算机视觉(CV) | 点云模型(Point Cloud Model) | OctSqueeze | ✅ | ||
计算机视觉(CV) | 光流估计(Optical Flow Estimation) | PWCNet | ✅ | ||
计算机视觉(CV) | 目标跟踪(Object Tracking) | Deepsort | ✅ | ||
计算机视觉(CV) | 目标跟踪(Object Tracking) | ADNet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | AlexNet | ✅ | ✅ | |
计算机视觉(CV) | 图像分类(Image Classification) | CNN | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | DenseNet100 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | DenseNet121 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | DPN | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | EfficientNet-B0 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | GoogLeNet | ✅ | ✅ | |
计算机视觉(CV) | 图像分类(Image Classification) | InceptionV3 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | InceptionV4 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | LeNet | ✅ | ✅ | ✅ |
计算机视觉(CV) | 图像分类(Image Classification) | MobileNetV1 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | MobileNetV2 | ✅ | ✅ | ✅ |
计算机视觉(CV) | 图像分类(Image Classification) | MobileNetV3 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | NASNet | ✅ | ✅ | |
计算机视觉(CV) | 图像分类(Image Classification) | ResNet-18 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ResNet-34 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ResNet-50 | ✅ | ✅ | ✅ |
计算机视觉(CV) | 图像分类(Image Classification) | ResNet-101 | ✅ | ✅ | |
计算机视觉(CV) | 图像分类(Image Classification) | ResNet-152 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ResNeXt50 | ✅ | ✅ | |
计算机视觉(CV) | 图像分类(Image Classification) | ResNeXt101 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | SE-ResNet50 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | SE-ResNext50 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ShuffleNetV1 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ShuffleNetV2 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | SqueezeNet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Tiny-DarkNet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | VGG16 | ✅ | ✅ | |
计算机视觉(CV) | 图像分类(Image Classification) | Xception | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | CspDarkNet53 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ErfNet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | SimCLR | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Vit | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | CenterFace | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | CTPN | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | Faster R-CNN | ✅ | ✅ | |
计算机视觉(CV) | 目标检测(Object Detection) | Mask R-CNN | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | Mask R-CNN (MobileNetV1) | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | SSD | ✅ | ✅ | ✅ |
计算机视觉(CV) | 目标检测(Object Detection) | SSD-MobileNetV1-FPN | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | SSD-Resnet50-FPN | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | SSD-VGG16 | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | WarpCTC | ✅ | ✅ | |
计算机视觉(CV) | 目标检测(Object Detection) | YOLOv3-ResNet18 | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | YOLOv3-DarkNet53 | ✅ | ✅ | |
计算机视觉(CV) | 目标检测(Object Detection) | YOLOv4 | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | YOLOv5 | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | RetinaNet | ✅ | ||
计算机视觉(CV) | 文本检测(Text Detection) | DeepText | ✅ | ||
计算机视觉(CV) | 文本检测(Text Detection) | PSENet | ✅ | ||
计算机视觉(CV) | 文本识别(Text Recognition) | CNN+CTC | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | DeepLabV3 | ✅ | ✅ | |
计算机视觉(CV) | 语义分割(Semantic Segmentation) | DeepLabV3+ | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | U-Net2D (Medical) | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | U-Net3D (Medical) | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | U-Net++ | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | Fast-SCNN | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | FCN8s | ✅ | ||
计算机视觉(CV) | 姿态检测(6DoF Pose Estimation) | PVNet | ✅ | ||
计算机视觉(CV) | 关键点检测(Keypoint Detection) | OpenPose | ✅ | ||
计算机视觉(CV) | 关键点检测(Keypoint Detection) | SimplePoseNet | ✅ | ||
计算机视觉(CV) | 文本检测(Scene Text Detection) | East | ✅ | ||
计算机视觉(CV) | 文本检测(Scene Text Detection) | PSENet | ✅ | ||
计算机视觉(CV) | 文本识别(Scene Text Recognition) | CRNN | ✅ | ||
计算机视觉(CV) | 文本识别(Scene Text Recognition) | CNN+CTC | ✅ | ||
计算机视觉(CV) | 文本识别(Scene Text Recognition) | CRNN-Seq2Seq-OCR | ✅ | ||
计算机视觉(CV) | 文本识别(Scene Text Recognition) | WarpCTC | ✅ | ||
计算机视觉(CV) | 缺陷检测(Defect Detection) | PatchCore | ✅ | ||
计算机视觉(CV) | 缺陷检测(Defect Detection) | ssim-ae | ✅ | ||
计算机视觉(CV) | 人脸检测(Face Detection) | RetinaFace-ResNet50 | ✅ | ✅ | |
计算机视觉(CV) | 人脸检测(Face Detection) | CenterFace | ✅ | ||
计算机视觉(CV) | 人脸检测(Face Detection) | SphereFace | ✅ | ||
计算机视觉(CV) | 人群计数(Crowd Counting) | MCNN | ✅ | ||
计算机视觉(CV) | 深度估计(Depth Estimation) | DepthNet | ✅ | ||
计算机视觉(CV) | 相机重定位(Camera Relocalization) | PoseNet | ✅ | ||
计算机视觉(CV) | 图像抠图(Image Matting) | Semantic Human Matting | ✅ | ||
计算机视觉(CV) | 视频分类(Video Classification) | C3D | ✅ | ||
计算机视觉(CV) | 图像超分(Image Super-Resolution) | RDN | ✅ | ✅ | |
计算机视觉(CV) | 图像超分(Image Super-Resolution) | SRCNN | ✅ | ||
计算机视觉(CV) | 图像去噪(Image Denoising) | BRDNet | ✅ | ||
计算机视觉(CV) | 图像去噪(Image Denoising) | DnCNN | ✅ | ||
计算机视觉(CV) | 图像去噪(Image Denoising) | Learning-to-See-in-the-Dark | ✅ | ||
计算机视觉(CV) | 图像质量评估(Image Quality Assessment) | NIMA | ✅ | ||
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | BERT | ✅ | ✅ | |
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | FastText | ✅ | ||
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | GNMT v2 | ✅ | ||
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | GRU | ✅ | ||
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | MASS | ✅ | ✅ | |
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | SentimentNet | ✅ | ✅ | ✅ |
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | Transformer | ✅ | ✅ | |
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | TinyBERT | ✅ | ✅ | |
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | TextCNN | ✅ | ||
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | CPM | ✅ | ||
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | ERNIE | ✅ | ||
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | GPT-3 | ✅ | ||
自然语言处理(NLP) | 情感分析(Emotion Classification) | EmoTect | ✅ | ||
自然语言处理(NLP) | 情感分析(Emotion Classification) | LSTM | ✅ | ||
自然语言处理(NLP) | 对话系统(Dialogue Generation) | DGU | ✅ | ||
自然语言处理(NLP) | 对话系统(Dialogue Generation) | DuConv | ✅ | ||
推荐(Recommender) | 推荐系统、点击率预估(Recommender System, CTR prediction) | DeepFM | ✅ | ✅ | ✅ |
推荐(Recommender) | 推荐系统、搜索、排序(Recommender System, Search, Ranking) | Wide&Deep | ✅ | ✅ | |
推荐(Recommender) | 推荐系统(Recommender System) | NAML | ✅ | ||
推荐(Recommender) | 推荐系统(Recommender System) | NCF | ✅ | ||
图神经网络(GNN) | 文本分类(Text Classification) | GCN | ✅ | ||
图神经网络(GNN) | 文本分类(Text Classification) | GAT | ✅ | ||
图神经网络(GNN) | 推荐系统(Recommender System) | BGCF | ✅ |
领域 | 子领域 | 网络 | Ascend | GPU | CPU |
---|---|---|---|---|---|
计算机视觉(CV) | 图像分类(Image Classification) | 3D Densenet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Auto Augment | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | AVA | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | CCT | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | dnet-nas | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Efficientnet-b0 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Efficientnet-b1 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Efficientnet-b2 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Efficientnet-b3 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | FDA-BNN | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | fishnet99 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | GENET | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | GhostNet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Glore_res200 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Glore_res50 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | HarDNet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | HourNAS | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | HRNetW48-cls | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ibn-net | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Inception ResNet V2 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Resnetv2_50_frn | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | META-Baseline | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | MNasNet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | MobilenetV3-Large | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | MobilenetV3-Small | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | NFNet-F0 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ntsnet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Pdarts | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | PNASNet-5 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ProtoNet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Proxylessnas | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | RelationNet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | renas | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Res2net | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ResNeSt-50 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ResNet50-BAM | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ResNet50-quadruplet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ResNet50-triplet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ResNetV2 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | ResNeXt152_vd_64x4d | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | SE-Net | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | SERes2Net50 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | SinglePathNas | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | SKNet-50 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | SPPNet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | SqueezeNet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | SqueezeNet1_1 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Swin Transformer | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | TNT | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | VGG19 | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Vit-Base | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | Wide ResNet | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | FaceAttributes | ✅ | ||
计算机视觉(CV) | 图像分类(Image Classification) | FaceQualityAssessment | ✅ | ||
计算机视觉(CV) | 重识别(Re-Identification) | Aligned-ReID | ✅ | ||
计算机视觉(CV) | 重识别(Re-Identification) | DDAG | ✅ | ||
计算机视觉(CV) | 重识别(Re-Identification) | MVD | ✅ | ||
计算机视觉(CV) | 重识别(Re-Identification) | OSNet | ✅ | ||
计算机视觉(CV) | 重识别(Re-Identification) | PAMTRI | ✅ | ||
计算机视觉(CV) | 重识别(Re-Identification) | VehicleNet | ✅ | ||
计算机视觉(CV) | 人脸检测(Face Detection) | FaceDetection | ✅ | ||
计算机视觉(CV) | 人脸检测(Face Detection) | FaceBoxes | ✅ | ||
计算机视觉(CV) | 人脸检测(Face Detection) | RetinaFace | ✅ | ||
计算机视觉(CV) | 人脸识别(Face Recognition) | Arcface | ✅ | ||
计算机视觉(CV) | 人脸识别(Face Recognition) | DeepID | ✅ | ||
计算机视觉(CV) | 人脸识别(Face Recognition) | FaceRecognition | ✅ | ||
计算机视觉(CV) | 人脸识别(Face Recognition) | FaceRecognitionForTracking | ✅ | ||
计算机视觉(CV) | 人脸识别(Face Recognition) | LightCNN | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | Spnas | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | SSD-GhostNet | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | EGNet | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | FasterRCNN-FPN-DCN | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | NAS-FPN | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | RAS | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | r-cnn | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | RefineDet | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | Res2net_fasterrcnn | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | Res2net_yolov3 | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | Retinanet_resnet101 | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | SSD_MobilenetV2_fpnlite | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | ssd_mobilenet_v2 | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | ssd_resnet50 | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | ssd_inceptionv2 | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | ssd_resnet34 | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | U-2-Net | ✅ | ||
计算机视觉(CV) | 目标检测(Object Detection) | YOLOV3-tiny | ✅ | ||
计算机视觉(CV) | 目标跟踪(Object Tracking) | SiamFC | ✅ | ||
计算机视觉(CV) | 目标跟踪(Object Tracking) | SiamRPN | ✅ | ||
计算机视觉(CV) | 目标跟踪(Object Tracking) | FairMOT | ✅ | ||
计算机视觉(CV) | 关键点检测(Key Point Detection) | CenterNet | ✅ | ✅ | |
计算机视觉(CV) | 关键点检测(Key Point Detection) | CenterNet-hourglass | ✅ | ||
计算机视觉(CV) | 关键点检测(Key Point Detection) | CenterNet-resnet101 | ✅ | ||
计算机视觉(CV) | 关键点检测(Key Point Detection) | CenterNet-resnet50 | ✅ | ||
计算机视觉(CV) | 点云模型(Point Cloud Model) | PointNet | ✅ | ||
计算机视觉(CV) | 点云模型(Point Cloud Model) | PointNet++ | ✅ | ||
计算机视觉(CV) | 点云模型(Point Cloud Model) | PointNet++ | ✅ | ||
计算机视觉(CV) | 深度估计(Depth Estimation) | midas | ✅ | ||
计算机视觉(CV) | 序列图片分类(Sequential Image Classification) | TCN | ✅ | ||
计算机视觉(CV) | 时空定位(Temporal Localization) | TALL | ✅ | ||
计算机视觉(CV) | 图像抠图(Image Matting) | FCA-net | ✅ | ||
计算机视觉(CV) | 视频分类(Video Classification) | Attention Cluster | ✅ | ||
计算机视觉(CV) | 视频分类(Video Classification) | ECO-lite | ✅ | ||
计算机视觉(CV) | 视频分类(Video Classification) | R(2+1)D | ✅ | ||
计算机视觉(CV) | 视频分类(Video Classification) | Resnet-3D | ✅ | ||
计算机视觉(CV) | 视频分类(Video Classification) | StNet | ✅ | ||
计算机视觉(CV) | 视频分类(Video Classification) | TSM | ✅ | ||
计算机视觉(CV) | 视频分类(Video Classification) | TSN | ✅ | ||
计算机视觉(CV) | Zero-Shot Learnning | DEM | ✅ | ||
计算机视觉(CV) | 风格迁移(Style Transfer) | AECRNET | ✅ | ||
计算机视觉(CV) | 风格迁移(Style Transfer) | APDrawingGAN | ✅ | ||
计算机视觉(CV) | 风格迁移(Style Transfer) | Arbitrary-image-stylization | ✅ | ||
计算机视觉(CV) | 风格迁移(Style Transfer) | AttGAN | ✅ | ||
计算机视觉(CV) | 风格迁移(Style Transfer) | CycleGAN | ✅ | ||
计算机视觉(CV) | 图像超分(Image Super-Resolution) | CSD | ✅ | ||
计算机视觉(CV) | 图像超分(Image Super-Resolution) | DBPN | ✅ | ||
计算机视觉(CV) | 图像超分(Image Super-Resolution) | EDSR | ✅ | ||
计算机视觉(CV) | 图像超分(Image Super-Resolution) | esr-ea | ✅ | ||
计算机视觉(CV) | 图像超分(Image Super-Resolution) | ESRGAN | ✅ | ||
计算机视觉(CV) | 图像超分(Image Super-Resolution) | IRN | ✅ | ||
计算机视觉(CV) | 图像超分(Image Super-Resolution) | RCAN | ✅ | ||
计算机视觉(CV) | 图像超分(Image Super-Resolution) | sr-ea | ✅ | ||
计算机视觉(CV) | 图像超分(Image Super-Resolution) | SRGAN | ✅ | ||
计算机视觉(CV) | 图像超分(Image Super-Resolution) | wdsr | ✅ | ||
计算机视觉(CV) | 图像去噪(Image Denoising) | Neighbor2Neighbor | ✅ | ||
计算机视觉(CV) | 图像生成(Image Generation) | CGAN | ✅ | ||
计算机视觉(CV) | 图像生成(Image Generation) | DCGAN | ✅ | ||
计算机视觉(CV) | 图像生成(Image Generation) | GAN | ✅ | ||
计算机视觉(CV) | 图像生成(Image Generation) | IPT | ✅ | ||
计算机视觉(CV) | 图像生成(Image Generation) | pgan | ✅ | ||
计算机视觉(CV) | 图像生成(Image Generation) | Photo2Cartoon | ✅ | ||
计算机视觉(CV) | 图像生成(Image Generation) | Pix2Pix | ✅ | ||
计算机视觉(CV) | 图像生成(Image Generation) | SinGAN | ✅ | ||
计算机视觉(CV) | 图像生成(Image Generation) | StarGAN | ✅ | ||
计算机视觉(CV) | 图像生成(Image Generation) | STGAN | ✅ | ||
计算机视觉(CV) | 图像生成(Image Generation) | WGAN | ✅ | ||
计算机视觉(CV) | 文本检测(Scene Text Detection) | AdvancedEast | ✅ | ||
计算机视觉(CV) | 文本检测(Scene Text Detection) | TextFuseNet | ✅ | ||
计算机视觉(CV) | 文本识别(Scene Text Recognition) | ManiDP | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | 3d-cnn | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | adelaide_ea | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | DDRNet | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | E-Net | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | Hrnet | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | ICNet | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | PSPnet | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | RefineNet | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | Res2net_deeplabv3 | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | UNet 3+ | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | V-net | ✅ | ||
计算机视觉(CV) | 语义分割(Semantic Segmentation) | Autodeeplab | ✅ | ||
计算机视觉(CV) | 姿态估计(Pose Estimation) | AlphaPose | ✅ | ||
计算机视觉(CV) | 姿态估计(Pose Estimation) | Hourglass | ✅ | ||
计算机视觉(CV) | 姿态估计(Pose Estimation) | Simple Baseline | ✅ | ||
计算机视觉(CV) | 图像检索(Image Retrieval) | Delf | ✅ | ||
自然语言处理(NLP) | 词嵌入(Word Embedding) | Word2Vec Skip-Gram | ✅ | ||
自然语言处理(NLP) | 对话系统(Dialogue Generation) | DAM | ✅ | ||
自然语言处理(NLP) | 机器翻译(Machine Translation) | Seq2Seq | ✅ | ||
自然语言处理(NLP) | 情感分析(Emotion Classification) | Senta | ✅ | ||
自然语言处理(NLP) | 情感分析(Emotion Classification) | Attention LSTM | ✅ | ||
自然语言处理(NLP) | 命名实体识别(Named Entity Recognition) | LSTM_CRF | ✅ | ||
自然语言处理(NLP) | 文本分类(Text Classification) | HyperText | ✅ | ||
自然语言处理(NLP) | 文本分类(Text Classification) | TextRCNN | ✅ | ||
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | ALBert | ✅ | ||
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | KT-Net | ✅ | ||
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | LUKE | ✅ | ||
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | TextRCNN | ✅ | ||
自然语言处理(NLP) | 自然语言理解(Natural Language Understanding) | TPRR | ✅ | ||
自然语言处理(NLP) | 知识图谱嵌入(Knowledge Graph Embedding) | RotatE | ✅ | ||
推荐(Recommender) | 推荐系统、点击率预估(Recommender System, CTR prediction) | AutoDis | ✅ | ||
推荐(Recommender) | 推荐系统、点击率预估(Recommender System, CTR prediction) | DeepFFM | ✅ | ||
推荐(Recommender) | 推荐系统、点击率预估(Recommender System, CTR prediction) | DIEN | ✅ | ||
推荐(Recommender) | 推荐系统、点击率预估(Recommender System, CTR prediction) | DLRM | ✅ | ||
推荐(Recommender) | 推荐系统、点击率预估(Recommender System, CTR prediction) | EDCN | ✅ | ||
推荐(Recommender) | 推荐系统、点击率预估(Recommender System, CTR prediction) | MMOE | ✅ | ||
语音(Audio) | 音频标注(Audio Tagging) | FCN-4 | ✅ | ||
语音(Audio) | 关键词识别(Keyword Spotting) | DS-CNN | ✅ | ||
语音(Audio) | 语音识别(Speech Recognition) | CTCModel | ✅ | ||
语音(Audio) | 语音合成(Speech Synthesis) | Wavenet | ✅ | ||
图神经网络(GNN) | 交通预测(Traffic Prediction) | STGCN | ✅ | ||
图神经网络(GNN) | 交通预测(Traffic Prediction) | TGCN | ✅ | ||
图神经网络(GNN) | 社交信息网络(Social and Information Networks) | SGCN | ✅ | ||
图神经网络(GNN) | 图结构数据分类(Graph Classification) | DGCN | ✅ | ||
图神经网络(GNN) | 图结构数据分类(Graph Classification) | SDNE | ✅ | ||
高性能计算(HPC) | 分子动力学(Molecular Dynamics) | DeepPotentialH2O | ✅ | ||
高性能计算(HPC) | 海洋模型(Ocean Model) | GOMO | ✅ |
models
独立建仓models
仓库由原mindspore仓库的model_zoo目录独立分离而来,新仓库不继承历史commit记录,如果需要查找历史提2021.9.15之前的提交,请到mindspore仓库进行查询。
这里是MindSpore框架提供的可以运行于包括Ascend/GPU/CPU/移动设备等多种设备的模型库。
相应的专属于Ascend平台的多框架模型可以参考昇腾ModelZoo以及对应的代码仓。
MindSpore相关的预训练模型可以在MindSpore hub或下载中心.
MindSpore仅提供下载和预处理公共数据集的脚本。我们不拥有这些数据集,也不对它们的质量负责或维护。请确保您具有在数据集许可下使用该数据集的权限。在这些数据集上训练的模型仅用于非商业研究和教学目的。
致数据集拥有者:如果您不希望将数据集包含在MindSpore中,或者希望以任何方式对其进行更新,我们将根据要求删除或更新所有公共内容。请通过GitHub或Gitee与我们联系。非常感谢您对这个社区的理解和贡献。
MindSpore已获得Apache 2.0许可,请参见LICENSE文件。
想要获取更多关于MindSpore
框架使用本身的FAQ问题的,可以参考官网FAQ
Q: 直接使用models下的模型出现内存不足错误,例如Failed to alloc memory pool memory, 该怎么处理?
A: 直接使用models下的模型出现内存不足的典型原因是由于运行模式(PYNATIVE_MODE
)、运行环境配置、License控制(AI-TOKEN)的不同造成的:
PYNATIVE_MODE
通常比GRAPH_MODE
使用更多内存,尤其是在需要进行反向传播计算的训练图中,当前有2种方法可以尝试解决该问题。
方法1:你可以尝试使用一些更小的batch size;
方法2:添加context.set_context(mempool_block_size="XXGB"),其中,“XX”当前最大有效值可设置为“31”。
如果将方法1与方法2结合使用,效果会更好。Q: 一些网络运行中报错接口不存在,例如cannot import,该怎么处理?
A: 优先检查一下获取网络脚本的分支,与所使用的MindSpore版本是否一致,部分新分支中的模型脚本会使用一些新版本MindSpore才支持的接口,从而在使用老版本MindSpore时会发生报错.
Q: 一些模型描述中提到的RANK_TABLE_FILE文件,是什么?
A: RANK_TABLE_FILE是一个Ascend环境上用于指定分布式集群信息的文件,更多信息可以参考生成工具hccl_toos和分布式并行训练教程
Q: 在windows环境上要怎么运行网络脚本?
A: 多数模型都是使用bash作为启动脚本,在Windows环境上无法直接使用bash命令,你可以考虑直接运行python命令而不是bash启动脚本 ,如果你确实想需要使用bash脚本,你可以考虑使用以下几种方法来运行模型:
Q: 网络在310推理时出现编译失败,报错信息指向gflags,例如undefined reference to 'google::FlagRegisterer::FlagRegisterer',该怎么处理?
A: 优先检查一下环境GCC版本和gflags版本是否匹配,可以参考官方链接安装对应的GCC版本,gflags安装gflags。你需要保证所使用的组件之间是ABI兼容的,更多信息可以参考_GLIBCXX_USE_CXX11_ABI
Q: 在Mac系统上加载mindrecord格式的数据集出错,例如Invalid file, failed to open files for reading mindrecord files.,该怎么处理?
A: 优先使用ulimit -a检查系统限制,如果file descriptors数量为256(默认值),需要使用ulimit -n 1024将其设置为1024(或者更大的值)。之后再检查文件是否损坏或者被修改。
Q: 我在多台服务器构成的大集群上进行训练,但是得到的精度比预期要低,该怎么办?
A: 当前模型库中的大部分模型只在单机内进行过验证,最大使用8卡进行训练。由于MindSpore训练时指定的batch_size
是单卡的,所以当单机8卡升级到多机时,会导致全局的global_batch_size
变大,这就导致需要针对当前多机场景的global_batch_size
进行重新调参优化。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。