KerasHub：预训练模型
入门指南 开发者指南 API 文档 预训练模型列表
► KerasHub：预训练模型 / KerasHub 预训练模型

KerasHub 预训练模型

下面列出了 KerasHub 库中所有可用的预设模型。有关更详细的使用方法，请浏览特定类的文档字符串。有关我们 API 的深入介绍，请参阅入门指南。

以下预设名称对应一个预训练模型的配置和权重。任何任务、预处理器、骨干网络或分词器中的 from_preset() 都可以用来从保存的预设创建模型。

backbone = keras_hub.models.Backbone.from_preset("bert_base_en")
tokenizer = keras_hub.models.Tokenizer.from_preset("bert_base_en")
classifier = keras_hub.models.TextClassifier.from_preset("bert_base_en", num_classes=2)
preprocessor = keras_hub.models.TextClassifierPreprocessor.from_preset("bert_base_en")
预设 模型 API 参数 描述
albert_base_en_uncased Albert 11.68M 12 层 ALBERT 模型，所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
albert_large_en_uncased Albert 17.68M 24 层 ALBERT 模型，所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
albert_extra_large_en_uncased Albert 58.72M 24 层 ALBERT 模型，所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
albert_extra_extra_large_en_uncased Albert 222.60M 12 层 ALBERT 模型，所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
bart_base_en Bart 139.42M 6 层 BART 模型，大小写保持不变。在 BookCorpus、英文维基百科和 CommonCrawl 上训练。
bart_large_en Bart 406.29M 12 层 BART 模型，大小写保持不变。在 BookCorpus、英文维基百科和 CommonCrawl 上训练。
bart_large_en_cnn Bart 406.29M 在 CNN+DM 摘要数据集上微调的 bart_large_en 骨干模型。
basnet_duts BASNet 108.89M 带有 34 层 ResNet 骨干网络的 BASNet 模型，在 288x288 分辨率的 DUTS 图像数据集上预训练。模型训练由 Hamid Ali (https://github.com/hamidriasat/BASNet) 完成。
bert_tiny_en_uncased Bert 4.39M 2 层 BERT 模型，所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
bert_tiny_en_uncased_sst2 Bert 4.39M 在 SST-2 情感分析数据集上微调的 bert_tiny_en_uncased 骨干模型。
bert_small_en_uncased Bert 28.76M 4 层 BERT 模型，所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
bert_medium_en_uncased Bert 41.37M 8 层 BERT 模型，所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
bert_base_zh Bert 102.27M 12 层 BERT 模型。在中文维基百科上训练。
bert_base_en Bert 108.31M 12 层 BERT 模型，大小写保持不变。在英文维基百科 + BooksCorpus 上训练。
bert_base_en_uncased Bert 109.48M 12 层 BERT 模型，所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
bert_base_multi Bert 177.85M 12 层 BERT 模型，大小写保持不变。在 104 种语言的维基百科上训练。
bert_large_en Bert 333.58M 24 层 BERT 模型，大小写保持不变。在英文维基百科 + BooksCorpus 上训练。
bert_large_en_uncased Bert 335.14M 24 层 BERT 模型，所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
bloom_560m_multi Bloom 559.21M 24 层 Bloom 模型，隐藏维度为 1024。在 45 种自然语言和 12 种编程语言上训练。
bloomz_560m_multi Bloom 559.21M 24 层 Bloom 模型，隐藏维度为 1024。在跨语言任务混合 (xP3) 数据集上进行微调。
bloom_1.1b_multi Bloom 1.07B 24 层 Bloom 模型，隐藏维度为 1536。在 45 种自然语言和 12 种编程语言上训练。
bloomz_1.1b_multi Bloom 1.07B 24 层 Bloom 模型，隐藏维度为 1536。在跨语言任务混合 (xP3) 数据集上进行微调。
bloom_1.7b_multi Bloom 1.72B 24 层 Bloom 模型，隐藏维度为 2048。在 45 种自然语言和 12 种编程语言上训练。
bloomz_1.7b_multi Bloom 1.72B 24 层 Bloom 模型，隐藏维度为 2048。在跨语言任务混合 (xP3) 数据集上进行微调。
bloom_3b_multi Bloom 3.00B 30 层 Bloom 模型，隐藏维度为 2560。在 45 种自然语言和 12 种编程语言上训练。
bloomz_3b_multi Bloom 3.00B 30 层 Bloom 模型，隐藏维度为 2560。在跨语言任务混合 (xP3) 数据集上进行微调。
clip_vit_base_patch16 CLIP 149.62M 1.5 亿参数，视觉 12 层，文本 12 层，补丁大小 16 的 CLIP 模型。
clip_vit_base_patch32 CLIP 151.28M 1.51 亿参数，视觉 12 层，文本 12 层，补丁大小 32 的 CLIP 模型。
clip_vit_b_32_laion2b_s34b_b79k CLIP 151.28M 1.51 亿参数，视觉 12 层，文本 12 层，补丁大小 32 的 Open CLIP 模型。
clip_vit_large_patch14 CLIP 427.62M 4.28 亿参数，视觉 24 层，文本 12 层，补丁大小 14 的 CLIP 模型。
clip_vit_large_patch14_336 CLIP 427.94M 4.28 亿参数，视觉 24 层，文本 12 层，补丁大小 14，图像大小 336 的 CLIP 模型。
clip_vit_h_14_laion2b_s32b_b79k CLIP 986.11M 9.86 亿参数，视觉 32 层，文本 24 层，补丁大小 14 的 Open CLIP 模型。
clip_vit_g_14_laion2b_s12b_b42k CLIP 1.37B 14 亿参数，视觉 40 层，文本 24 层，补丁大小 14 的 Open CLIP 模型。
clip_vit_bigg_14_laion2b_39b_b160k CLIP 2.54B 25 亿参数，视觉 48 层，文本 32 层，补丁大小 14 的 Open CLIP 模型。
csp_resnext_50_ra_imagenet CSPNet 20.57M 在随机增强的 ImageNet 1k 数据集上预训练的 CSP-ResNeXt（交叉阶段部分）图像分类模型，分辨率为 256x256。
csp_resnet_50_ra_imagenet CSPNet 21.62M 在随机增强的 ImageNet 1k 数据集上预训练的 CSP-ResNet（交叉阶段部分）图像分类模型，分辨率为 256x256。
csp_darknet_53_ra_imagenet CSPNet 27.64M 在随机增强的 ImageNet 1k 数据集上预训练的 CSP-DarkNet（交叉阶段部分）图像分类模型，分辨率为 256x256。
darknet_53_imagenet CSPNet 41.61M 在 ImageNet 1k 数据集上预训练的 DarkNet 图像分类模型，分辨率为 256x256。
dfine_nano_coco D-FINE 3.79M D-FINE Nano 模型，该系列中最小的变体，在 COCO 数据集上进行了预训练。非常适合计算资源有限的应用。
dfine_small_coco D-FINE 10.33M D-FINE Small 模型在 COCO 数据集上进行了预训练。在性能和计算效率之间取得了平衡。
dfine_small_obj2coco D-FINE 10.33M D-FINE Small 模型首先在 Objects365 上预训练，然后又在 COCO 上进行了微调，结合了广泛的特征学习和基准特定适应。
dfine_small_obj365 D-FINE 10.62M D-FINE Small 模型在大规模 Objects365 数据集上进行了预训练，增强了其识别各种对象的能力。
dfine_medium_coco D-FINE 19.62M D-FINE Medium 模型在 COCO 数据集上进行了预训练。是通用目标检测的扎实基线，性能强大。
dfine_medium_obj2coco D-FINE 19.62M D-FINE Medium 模型采用两阶段训练过程：在 Objects365 上预训练，然后进行 COCO 微调。
dfine_medium_obj365 D-FINE 19.99M D-FINE Medium 模型在 Objects365 数据集上进行了预训练。受益于更大、更多样化的预训练语料库。
dfine_large_coco D-FINE 31.34M D-FINE Large 模型在 COCO 数据集上进行了预训练。提供高精度，适用于更具挑战性的任务。
dfine_large_obj2coco_e25 D-FINE 31.34M D-FINE Large 模型在 Objects365 上预训练，然后在 COCO 上微调 25 个 epoch。一个高性能模型，具有专门的调优。
dfine_large_obj365 D-FINE 31.86M D-FINE Large 模型在 Objects365 数据集上进行了预训练，以提高泛化能力和在各种对象类别上的性能。
dfine_xlarge_coco D-FINE 62.83M D-FINE X-Large 模型，COCO 预训练系列中最大的变体，旨在在精度是首要任务的情况下实现最先进的性能。
dfine_xlarge_obj2coco D-FINE 62.83M D-FINE X-Large 模型，在 Objects365 上预训练，在 COCO 上微调，代表了该系列中在 COCO 类型任务上最强大的模型。
dfine_xlarge_obj365 D-FINE 63.35M D-FINE X-Large 模型在 Objects365 数据集上进行了预训练，通过利用预训练过程中的大量对象类别来提供最大性能。
deberta_v3_extra_small_en DebertaV3 70.68M 12 层 DeBERTaV3 模型，大小写保持不变。在英文维基百科、BookCorpus 和 OpenWebText 上训练。
deberta_v3_small_en DebertaV3 141.30M 6 层 DeBERTaV3 模型，大小写保持不变。在英文维基百科、BookCorpus 和 OpenWebText 上训练。
deberta_v3_base_en DebertaV3 183.83M 12 层 DeBERTaV3 模型，大小写保持不变。在英文维基百科、BookCorpus 和 OpenWebText 上训练。
deberta_v3_base_multi DebertaV3 278.22M 12 层 DeBERTaV3 模型，大小写保持不变。在 2.5TB 多语言 CC100 数据集上训练。
deberta_v3_large_en DebertaV3 434.01M 24 层 DeBERTaV3 模型，大小写保持不变。在英文维基百科、BookCorpus 和 OpenWebText 上训练。
deeplab_v3_plus_resnet50_pascalvoc DeepLabV3 39.19M DeepLabV3+ 模型，以 ResNet50 作为图像编码器，并在由语义边界数据集（SBD）增强的 Pascal VOC 数据集上训练，分类准确率为 90.01，平均 IoU 为 0.63。
deit_tiny_distilled_patch16_224_imagenet DeiT 5.52M DeiT-T16 模型在 ImageNet 1k 数据集上进行了预训练，图像分辨率为 224x224。
deit_small_distilled_patch16_224_imagenet DeiT 21.67M DeiT-S16 模型在 ImageNet 1k 数据集上进行了预训练，图像分辨率为 224x224。
deit_base_distilled_patch16_224_imagenet DeiT 85.80M DeiT-B16 模型在 ImageNet 1k 数据集上进行了预训练，图像分辨率为 224x224。
deit_base_distilled_patch16_384_imagenet DeiT 86.09M DeiT-B16 模型在 ImageNet 1k 数据集上进行了预训练，图像分辨率为 384x384。
densenet_121_imagenet DenseNet 7.04M 121 层 DenseNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
densenet_169_imagenet DenseNet 12.64M 169 层 DenseNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
densenet_201_imagenet DenseNet 18.32M 201 层 DenseNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
depth_anything_v2_small DepthAnything 25.31M Depth Anything V2 单目深度估计 (MDE) 模型的小型变体，在合成标记图像和真实未标记图像上进行了训练。
depth_anything_v2_base DepthAnything 98.52M Depth Anything V2 单目深度估计 (MDE) 模型的基础变体，在合成标记图像和真实未标记图像上进行了训练。
depth_anything_v2_large DepthAnything 336.72M Depth Anything V2 单目深度估计 (MDE) 模型的大型变体，在合成标记图像和真实未标记图像上进行了训练。
dinov2_small DINOV2 22.58M 使用 DINOv2 训练的 Vision Transformer (小型模型)。
dinov2_with_registers_small DINOV2 22.58M 使用 DINOv2 训练的 Vision Transformer (小型模型)，包含寄存器。
dinov2_base DINOV2 87.63M 使用 DINOv2 训练的 Vision Transformer (基础模型)。
dinov2_with_registers_base DINOV2 87.64M 使用 DINOv2 训练的 Vision Transformer (基础模型)，包含寄存器。
dinov2_large DINOV2 305.77M 使用 DINOv2 训练的 Vision Transformer (大型模型)。
dinov2_with_registers_large DINOV2 305.78M 使用 DINOv2 训练的 Vision Transformer (大型模型)，包含寄存器。
dinov2_giant DINOV2 1.14B 使用 DINOv2 训练的 Vision Transformer (巨型模型)。
dinov2_with_registers_giant DINOV2 1.14B 使用 DINOv2 训练的 Vision Transformer (巨型模型)，包含寄存器。
distil_bert_base_en DistilBert 65.19M 6 层 DistilBERT 模型，大小写保持不变。使用 BERT 作为教师模型，在英文维基百科 + BooksCorpus 上训练。
distil_bert_base_en_uncased DistilBert 66.36M 6 层 DistilBERT 模型，所有输入均小写。使用 BERT 作为教师模型，在英文维基百科 + BooksCorpus 上训练。
distil_bert_base_multi DistilBert 134.73M 6 层 DistilBERT 模型，大小写保持不变。在 104 种语言的维基百科上训练。
efficientnet_lite0_ra_imagenet EfficientNet 4.65M EfficientNet-Lite 模型在 ImageNet 1k 数据集上使用 RandAugment 策略进行微调。
efficientnet_b0_ra_imagenet EfficientNet 5.29M EfficientNet B0 模型在 ImageNet 1k 数据集上使用 RandAugment 策略进行预训练。
efficientnet_b0_ra4_e3600_r224_imagenet EfficientNet 5.29M EfficientNet B0 模型由 Ross Wightman 在 ImageNet 1k 数据集上预训练。使用 timm 脚本训练，超参数受 MobileNet-V4 small、timm 的通用超参数和“ResNet Strikes Back”的启发。
efficientnet_es_ra_imagenet EfficientNet 5.44M EfficientNet-EdgeTPU Small 模型在 ImageNet 1k 数据集上使用 RandAugment 策略进行训练。
efficientnet_em_ra2_imagenet EfficientNet 6.90M EfficientNet-EdgeTPU Medium 模型在 ImageNet 1k 数据集上使用 RandAugment2 策略进行训练。
efficientnet_b1_ft_imagenet EfficientNet 7.79M EfficientNet B1 模型在 ImageNet 1k 数据集上进行微调。
efficientnet_b1_ra4_e3600_r240_imagenet EfficientNet 7.79M EfficientNet B1 模型由 Ross Wightman 在 ImageNet 1k 数据集上预训练。使用 timm 脚本训练，超参数受 MobileNet-V4 small、timm 的通用超参数和“ResNet Strikes Back”的启发。
efficientnet_b2_ra_imagenet EfficientNet 9.11M EfficientNet B2 模型在 ImageNet 1k 数据集上使用 RandAugment 策略进行预训练。
efficientnet_el_ra_imagenet EfficientNet 10.59M EfficientNet-EdgeTPU Large 模型在 ImageNet 1k 数据集上使用 RandAugment 策略进行训练。
efficientnet_b3_ra2_imagenet EfficientNet 12.23M EfficientNet B3 模型在 ImageNet 1k 数据集上使用 RandAugment2 策略进行预训练。
efficientnet2_rw_t_ra2_imagenet EfficientNet 13.65M EfficientNet-v2 Tiny 模型在 ImageNet 1k 数据集上使用 RandAugment2 策略进行训练。
efficientnet_b4_ra2_imagenet EfficientNet 19.34M EfficientNet B4 模型在 ImageNet 1k 数据集上使用 RandAugment2 策略进行预训练。
efficientnet2_rw_s_ra2_imagenet EfficientNet 23.94M EfficientNet-v2 Small 模型在 ImageNet 1k 数据集上使用 RandAugment2 策略进行训练。
efficientnet_b5_sw_imagenet EfficientNet 30.39M EfficientNet B5 模型由 Ross Wightman 在 ImageNet 12k 数据集上预训练。基于 Swin Transformer 训练/预训练策略，并进行了修改（与 DeiT 和 ConvNeXt 策略相关）。
efficientnet_b5_sw_ft_imagenet EfficientNet 30.39M EfficientNet B5 模型由 Ross Wightman 在 ImageNet 12k 数据集上预训练，并在 ImageNet-1k 上微调。基于 Swin Transformer 训练/预训练策略，并进行了修改（与 DeiT 和 ConvNeXt 策略相关）。
efficientnet2_rw_m_agc_imagenet EfficientNet 53.24M EfficientNet-v2 Medium 模型在 ImageNet 1k 数据集上使用自适应梯度裁剪进行训练。
electra_small_discriminator_uncased_en Electra 13.55M 12 层小型 ELECTRA 判别器模型。所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
electra_small_generator_uncased_en Electra 13.55M 12 层小型 ELECTRA 生成器模型。所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
electra_base_generator_uncased_en Electra 33.58M 12 层基础 ELECTRA 生成器模型。所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
electra_large_generator_uncased_en Electra 51.07M 24 层大型 ELECTRA 生成器模型。所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
electra_base_discriminator_uncased_en Electra 109.48M 12 层基础 ELECTRA 判别器模型。所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
electra_large_discriminator_uncased_en Electra 335.14M 24 层大型 ELECTRA 判别器模型。所有输入均小写。在英文维基百科 + BooksCorpus 上训练。
esm2_t6_8M ESM 7.41M ESM-2 蛋白质语言模型的 6 个 Transformer 层版本，在 UniRef50 聚类蛋白质序列数据集上进行了训练。
esm2_t12_35M ESM 33.27M ESM-2 蛋白质语言模型的 12 个 Transformer 层版本，在 UniRef50 聚类蛋白质序列数据集上进行了训练。
esm2_t30_150M ESM 147.73M ESM-2 蛋白质语言模型的 30 个 Transformer 层版本，在 UniRef50 聚类蛋白质序列数据集上进行了训练。
esm2_t33_650M ESM 649.40M ESM-2 蛋白质语言模型的 33 个 Transformer 层版本，在 UniRef50 聚类蛋白质序列数据集上进行了训练。
f_net_base_en FNet 82.86M 12 层 FNet 模型，大小写保持不变。在 C4 数据集上训练。
f_net_large_en FNet 236.95M 24 层 FNet 模型，大小写保持不变。在 C4 数据集上训练。
falcon_refinedweb_1b_en Falcon 1.31B 24 层 Falcon 模型（参数为 10 亿的 Falcon），在 RefinedWeb 数据集的 3500 亿个标记上训练。
vault_gemma_1b_en Gemma 1.04B 10 亿参数，26 层，VaultGemma 模型。
gemma_2b_en Gemma 25.1 亿 20 亿参数、18 层的 Gemma 基础模型。
gemma_instruct_2b_en Gemma 25.1 亿 20 亿参数、18 层的 Gemma 指令微调模型。
gemma_1.1_instruct_2b_en Gemma 25.1 亿 20 亿参数、18 层的 Gemma 指令微调模型。1.1 版本更新提高了模型质量。
code_gemma_1.1_2b_en Gemma 25.1 亿 20 亿参数、18 层的 CodeGemma 模型。此模型针对代码补全的“填充中间”(FIM) 任务进行了训练。1.1 版本更新提高了模型质量。
code_gemma_2b_en Gemma 25.1 亿 20 亿参数、18 层的 CodeGemma 模型。此模型针对代码补全的“填充中间”(FIM) 任务进行了训练。
gemma2_2b_en Gemma 26.1 亿 20 亿参数、26 层的 Gemma 基础模型。
gemma2_instruct_2b_en Gemma 26.1 亿 20 亿参数、26 层的 Gemma 指令微调模型。
shieldgemma_2b_en Gemma 26.1 亿 20 亿参数、26 层的 ShieldGemma 模型。
c2s_scale_gemma_2_2b_en Gemma 26.1 亿 一个 20 亿参数，基于 Gemma-2 架构构建的单细胞生物学感知模型。
gemma_7b_en Gemma 85.4 亿 70 亿参数、28 层的 Gemma 基础模型。
gemma_instruct_7b_en Gemma 85.4 亿 70 亿参数、28 层的 Gemma 指令微调模型。
gemma_1.1_instruct_7b_en Gemma 85.4 亿 70 亿参数、28 层的 Gemma 指令微调模型。1.1 版本更新提高了模型质量。
code_gemma_7b_en Gemma 85.4 亿 70 亿参数、28 层的 CodeGemma 模型。此模型针对代码补全的“填充中间”(FIM) 任务进行了训练。
code_gemma_instruct_7b_en Gemma 85.4 亿 70 亿参数、28 层的 CodeGemma 指令微调模型。此模型针对与代码相关的聊天用例进行了训练。
code_gemma_1.1_instruct_7b_en Gemma 85.4 亿 70 亿参数、28 层的 CodeGemma 指令微调模型。此模型针对与代码相关的聊天用例进行了训练。1.1 版本更新提高了模型质量。
gemma2_9b_en Gemma 92.4 亿 90 亿参数、42 层的 Gemma 基础模型。
gemma2_instruct_9b_en Gemma 92.4 亿 90 亿参数、42 层的 Gemma 指令微调模型。
shieldgemma_9b_en Gemma 92.4 亿 90 亿参数、42 层的 ShieldGemma 模型。
gemma2_27b_en Gemma 272.3 亿 270 亿参数、42 层的 Gemma 基础模型。
gemma2_instruct_27b_en Gemma 272.3 亿 270 亿参数、42 层的 Gemma 指令微调模型。
shieldgemma_27b_en Gemma 272.3 亿 270 亿参数、42 层的 ShieldGemma 模型。
c2s_scale_gemma_2_27b_en Gemma 272.3 亿 一个 270 亿参数，基于 Gemma-2 架构构建的单细胞生物学感知模型。
gemma3_270m Gemma3 268.10M 2.7 亿参数（1.7 亿嵌入参数，1 亿 Transformer 参数）模型，18 层，纯文本模型，专为超高效 AI 设计，特别适合任务特定微调。
gemma3_instruct_270m Gemma3 268.10M 2.7 亿参数（1.7 亿嵌入参数，1 亿 Transformer 参数）模型，18 层，纯文本模型，指令微调模型，专为超高效 AI 设计，特别适合任务特定微调。
gemma3_1b Gemma3 999.89M 10 亿参数，26 层，仅文本预训练 Gemma3 模型。
gemma3_instruct_1b Gemma3 999.89M 10 亿参数，26 层，仅文本指令微调 Gemma3 模型。
gemma3_4b_text Gemma3 3.88B 40 亿参数，34 层，仅文本预训练 Gemma3 模型。
gemma3_instruct_4b_text Gemma3 3.88B 40 亿参数，34 层，仅文本指令微调 Gemma3 模型。
gemma3_4b Gemma3 4.30B 40 亿参数，34 层，视觉+文本预训练 Gemma3 模型。
gemma3_instruct_4b Gemma3 4.30B 40 亿参数，34 层，视觉+文本指令微调 Gemma3 模型。
gemma3_12b_text Gemma3 11.77B 120 亿参数，48 层，仅文本预训练 Gemma3 模型。
gemma3_instruct_12b_text Gemma3 11.77B 120 亿参数，48 层，仅文本指令微调 Gemma3 模型。
gemma3_12b Gemma3 12.19B 120 亿参数，48 层，视觉+文本预训练 Gemma3 模型。
gemma3_instruct_12b Gemma3 12.19B 120 亿参数，48 层，视觉+文本指令微调 Gemma3 模型。
gemma3_27b_text Gemma3 27.01B 270 亿参数，62 层，仅文本预训练 Gemma3 模型。
gemma3_instruct_27b_text Gemma3 27.01B 270 亿参数，62 层，仅文本指令微调 Gemma3 模型。
gemma3_27b Gemma3 27.43B 270 亿参数，62 层，视觉+文本预训练 Gemma3 模型。
gemma3_instruct_27b Gemma3 27.43B 270 亿参数，62 层，视觉+文本指令微调 Gemma3 模型。
gpt2_base_en GPT2 124.44M 12 层 GPT-2 模型，大小写保持不变。在 WebText 上训练。
gpt2_base_en_cnn_dailymail GPT2 124.44M 12 层 GPT-2 模型，大小写保持不变。在 CNN/DailyMail 摘要数据集上微调。
gpt2_medium_en GPT2 354.82M 24 层 GPT-2 模型，大小写保持不变。在 WebText 上训练。
gpt2_large_en GPT2 774.03M 36 层 GPT-2 模型，大小写保持不变。在 WebText 上训练。
gpt2_extra_large_en GPT2 1.56B 48 层 GPT-2 模型，大小写保持不变。在 WebText 上训练。
hgnetv2_b4_ssld_stage2_ft_in1k HGNetV2 13.60M HGNetV2 B4 模型，采用 2 阶段 SSLD 训练，在 ImageNet-1K 上进行了微调。
hgnetv2_b5_ssld_stage1_in22k_in1k HGNetV2 33.42M HGNetV2 B5 模型，采用 1 阶段 SSLD 训练，在 ImageNet-22K 上预训练，在 ImageNet-1K 上微调。
hgnetv2_b5_ssld_stage2_ft_in1k HGNetV2 33.42M HGNetV2 B5 模型，采用 2 阶段 SSLD 训练，在 ImageNet-1K 上进行了微调。
hgnetv2_b6_ssld_stage1_in22k_in1k HGNetV2 69.18M HGNetV2 B6 模型，采用 1 阶段 SSLD 训练，在 ImageNet-22K 上预训练，在 ImageNet-1K 上微调。
hgnetv2_b6_ssld_stage2_ft_in1k HGNetV2 69.18M HGNetV2 B6 模型，采用 2 阶段 SSLD 训练，在 ImageNet-1K 上进行了微调。
llama2_7b_en Llama 6.74B 70 亿参数，32 层，基础 LLaMA 2 模型。
llama2_instruct_7b_en Llama 6.74B 70 亿参数，32 层，指令微调 LLaMA 2 模型。
vicuna_1.5_7b_en Llama 6.74B 70 亿参数，32 层，指令微调 Vicuna v1.5 模型。
llama2_7b_en_int8 Llama 6.74B 70 亿参数，32 层，基础 LLaMA 2 模型，激活和权重均量化为 int8。
llama2_instruct_7b_en_int8 Llama 6.74B 70 亿参数，32 层，指令微调 LLaMA 2 模型，激活和权重均量化为 int8。
llama3.2_1b Llama3 15.0 亿 10 亿参数、16 层的 LLaMA 3.2 基础模型。
llama3.2_instruct_1b Llama3 15.0 亿 10 亿参数、16 层的经过指令调优的 LLaMA 3.2 模型。
llama3.2_guard_1b Llama3 15.0 亿 10 亿参数、16 层的 LLaMA 3.2 基础模型，为同意安全分类进行了微调。
llama3.2_3b Llama3 36.1 亿 30 亿参数、26 层的 LLaMA 3.2 基础模型。
llama3.2_instruct_3b Llama3 36.1 亿 30 亿参数、28 层的经过指令调优的 LLaMA 3.2 模型。
llama3_8b_en Llama3 80.3 亿 80 亿参数、32 层的 LLaMA 3 基础模型。
llama3_instruct_8b_en Llama3 80.3 亿 80 亿参数、32 层的经过指令调优的 LLaMA 3 模型。
llama3.1_8b Llama3 80.3 亿 80 亿参数、32 层的 LLaMA 3.1 基础模型。
llama3.1_instruct_8b Llama3 80.3 亿 80 亿参数、32 层的经过指令调优的 LLaMA 3.1 模型。
llama3.1_guard_8b Llama3 80.3 亿 80 亿参数、32 层的 LLaMA 3.1 模型，为同意安全分类进行了微调。
llama3_8b_en_int8 Llama3 80.3 亿 80 亿参数、32 层的 LLaMA 3 基础模型，其激活和权重被量化为 int8。
llama3_instruct_8b_en_int8 Llama3 80.3 亿 80 亿参数、32 层的经过指令调优的 LLaMA 3 模型，其激活和权重被量化为 int8。
mistral_7b_en Mistral 72.4 亿 Mistral 7B 基础模型
mistral_instruct_7b_en Mistral 72.4 亿 Mistral 7B 指令模型
mistral_0.2_instruct_7b_en Mistral 72.4 亿 Mistral 7B instruct version 0.2 model
mistral_0.3_7b_en Mistral 7.25B Mistral 7B base version 0.3 model
mistral_0.3_instruct_7b_en Mistral 7.25B Mistral 7B instruct version 0.3 model
mit_b0_ade20k_512 MiT 3.32M 具有 8 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b0_cityscapes_1024 MiT 3.32M 具有 8 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b1_ade20k_512 MiT 13.16M 具有 8 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b1_cityscapes_1024 MiT 13.16M 具有 8 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b2_ade20k_512 MiT 24.20M 具有 16 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b2_cityscapes_1024 MiT 24.20M 具有 16 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b3_ade20k_512 MiT 44.08M 具有 28 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b3_cityscapes_1024 MiT 44.08M 具有 28 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b4_ade20k_512 MiT 60.85M 具有 41 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b4_cityscapes_1024 MiT 60.85M 具有 41 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b5_ade20k_640 MiT 81.45M 具有 52 个 Transformer 块的 MiT (MixTransformer) 模型。
mit_b5_cityscapes_1024 MiT 81.45M 具有 52 个 Transformer 块的 MiT (MixTransformer) 模型。
mixtral_8_7b_en Mixtral 46.70B 32 层 Mixtral MoE 模型，具有 70 亿个活动参数和每个 MoE 层 8 个专家。
mixtral_8_instruct_7b_en Mixtral 46.70B 指令微调 32 层 Mixtral MoE 模型，具有 70 亿个活动参数和每个 MoE 层 8 个专家。
mobilenet_v3_small_050_imagenet MobileNet 278.78K 在 224x224 分辨率的 ImageNet 1k 数据集上预训练的小型 Mobilenet V3 模型。具有一半通道乘数。
mobilenet_v3_small_100_imagenet MobileNet 939.12K 在 224x224 分辨率的 ImageNet 1k 数据集上预训练的小型 Mobilenet V3 模型。具有基线通道乘数。
mobilenet_v3_large_100_imagenet MobileNet 3.00M 在 224x224 分辨率的 ImageNet 1k 数据集上预训练的大型 Mobilenet V3 模型。具有基线通道乘数。
mobilenet_v3_large_100_imagenet_21k MobileNet 3.00M 在 224x224 分辨率的 ImageNet 21k 数据集上预训练的大型 Mobilenet V3 模型。具有基线通道乘数。
mobilenetv5_300m_enc_gemma3n MobileNetV5 294.28M 轻量级 3 亿参数的卷积视觉编码器，用作 Gemma 3n 的图像骨干网络。
moonshine_tiny_en Moonshine 27.09M 用于英语语音识别的 Moonshine tiny 模型。由 Useful Sensors 开发，用于实时转录。
moonshine_base_en Moonshine 61.51M 用于英语语音识别的 Moonshine base 模型。由 Useful Sensors 开发，用于实时转录。
opt_125m_en OPT 125.24M 12 层 OPT 模型，大小写保持不变。在 BookCorpus、CommonCrawl、Pile 和 PushShift.io 语料库上训练。
opt_1.3b_en OPT 1.32B 24 层 OPT 模型，大小写保持不变。在 BookCorpus、CommonCrawl、Pile 和 PushShift.io 语料库上训练。
opt_2.7b_en OPT 2.70B 32 层 OPT 模型，大小写保持不变。在 BookCorpus、CommonCrawl、Pile 和 PushShift.io 语料库上训练。
opt_6.7b_en OPT 6.70B 32 层 OPT 模型，大小写保持不变。在 BookCorpus、CommonCrawl、Pile 和 PushShift.io 语料库上训练。
pali_gemma_3b_mix_224 PaliGemma 2.92B 图像大小 224，混合微调，文本序列长度为 256
pali_gemma_3b_224 PaliGemma 2.92B 图像大小 224，预训练，文本序列长度为 128
pali_gemma_3b_mix_448 PaliGemma 2.92B 图像大小 448，混合微调，文本序列长度为 512
pali_gemma_3b_448 PaliGemma 2.92B 图像大小 448，预训练，文本序列长度为 512
pali_gemma_3b_896 PaliGemma 2.93B 图像大小 896，预训练，文本序列长度为 512
pali_gemma2_mix_3b_224 PaliGemma 3.03B 30 亿参数，图像大小 224，SigLIP-So400m 视觉编码器 27 层，Gemma2 2B 语言模型 26 层。此模型已在各种视觉语言任务和领域上进行微调。
pali_gemma2_pt_3b_224 PaliGemma 3.03B 30 亿参数，图像大小 224，SigLIP-So400m 视觉编码器 27 层，Gemma2 2B 语言模型 26 层。此模型已在混合数据集上进行预训练。
pali_gemma_2_ft_docci_3b_448 PaliGemma 3.03B 30 亿参数，图像大小 448，SigLIP-So400m 视觉编码器 27 层，Gemma2 2B 语言模型 26 层。此模型已在 DOCCI 数据集上进行微调，以改进具有细粒度细节的描述。
pali_gemma2_mix_3b_448 PaliGemma 3.03B 30 亿参数，图像大小 448，SigLIP-So400m 视觉编码器 27 层，Gemma2 2B 语言模型 26 层。此模型已在各种视觉语言任务和领域上进行微调。
pali_gemma2_pt_3b_448 PaliGemma 3.03B 30 亿参数，图像大小 448，SigLIP-So400m 视觉编码器 27 层，Gemma2 2B 语言模型 26 层。此模型已在混合数据集上进行预训练。
pali_gemma2_pt_3b_896 PaliGemma 3.04B 30 亿参数，图像大小 896，SigLIP-So400m 视觉编码器 27 层，Gemma2 2B 语言模型 26 层。此模型已在混合数据集上进行预训练。
pali_gemma2_mix_10b_224 PaliGemma 9.66B 100 亿参数，图像大小 224，SigLIP-So400m 视觉编码器 27 层，Gemma2 9B 语言模型 42 层。此模型已在各种视觉语言任务和领域上进行微调。
pali_gemma2_pt_10b_224 PaliGemma 9.66B 100 亿参数，图像大小 224，SigLIP-So400m 视觉编码器 27 层，Gemma2 9B 语言模型 42 层。此模型已在混合数据集上进行预训练。
pali_gemma2_ft_docci_10b_448 PaliGemma 9.66B 100 亿参数，SigLIP-So400m 视觉编码器 27 层，Gemma2 9B 语言模型 42 层。此模型已在 DOCCI 数据集上进行微调，以改进具有细粒度细节的描述。
pali_gemma2_mix_10b_448 PaliGemma 9.66B 100 亿参数，图像大小 448，SigLIP-So400m 视觉编码器 27 层，Gemma2 9B 语言模型 42 层。此模型已在各种视觉语言任务和领域上进行微调。
pali_gemma2_pt_10b_448 PaliGemma 9.66B 100 亿参数，图像大小 448，SigLIP-So400m 视觉编码器 27 层，Gemma2 9B 语言模型 42 层。此模型已在混合数据集上进行预训练。
pali_gemma2_pt_10b_896 PaliGemma 9.67B 100 亿参数，图像大小 896，SigLIP-So400m 视觉编码器 27 层，Gemma2 9B 语言模型 42 层。此模型已在混合数据集上进行预训练。
pali_gemma2_mix_28b_224 PaliGemma 27.65B 280 亿参数，图像大小 224，SigLIP-So400m 视觉编码器 27 层，Gemma2 27B 语言模型 46 层。此模型已在各种视觉语言任务和领域上进行微调。
pali_gemma2_mix_28b_448 PaliGemma 27.65B 280 亿参数，图像大小 448，SigLIP-So400m 视觉编码器 27 层，Gemma2 27B 语言模型 46 层。此模型已在各种视觉语言任务和领域上进行微调。
pali_gemma2_pt_28b_224 PaliGemma 27.65B 280 亿参数，图像大小 224，SigLIP-So400m 视觉编码器 27 层，Gemma2 27B 语言模型 46 层。此模型已在混合数据集上进行预训练。
pali_gemma2_pt_28b_448 PaliGemma 27.65B 280 亿参数，图像大小 448，SigLIP-So400m 视觉编码器 27 层，Gemma2 27B 语言模型 46 层。此模型已在混合数据集上进行预训练。
pali_gemma2_pt_28b_896 PaliGemma 27.65B 280 亿参数，图像大小 896，SigLIP-So400m 视觉编码器 27 层，Gemma2 27B 语言模型 46 层。此模型已在混合数据集上进行预训练。
parseq PARSeq 23.83M 用于场景文本识别的排列自回归序列 (PARSeq) 基础模型。
phi3_mini_4k_instruct_en Phi3 3.82B 38 亿参数，32 层，4k 上下文长度，Phi-3 模型。该模型使用 Phi-3 数据集训练。该数据集包含合成数据和经过筛选的公开可用网站数据，重点关注高质量和推理密集型特性。
phi3_mini_128k_instruct_en Phi3 3.82B 38 亿参数，32 层，128k 上下文长度，Phi-3 模型。该模型使用 Phi-3 数据集训练。该数据集包含合成数据和经过筛选的公开可用网站数据，重点关注高质量和推理密集型特性。
qwen2.5_0.5b_en Qwen 494.03M 24 层 Qwen 模型，参数为 5 亿。
qwen2.5_instruct_0.5b_en Qwen 494.03M 指令微调 24 层 Qwen 模型，参数为 5 亿。
qwen2.5_3b_en Qwen 3.09B 36 层 Qwen 模型，参数为 31 亿。
qwen2.5_7b_en Qwen 6.99B 48 层 Qwen 模型，参数为 70 亿。
qwen2.5_instruct_32b_en Qwen 32.76B 指令微调 64 层 Qwen 模型，参数为 320 亿。
qwen2.5_instruct_72b_en Qwen 72.71B 指令微调 80 层 Qwen 模型，参数为 720 亿。
qwen3_0.6b_en Qwen3 596.05M 28 层 Qwen3 模型，具有 5.96 亿参数，针对资源受限设备的效率和快速推理进行了优化。
qwen3_1.7b_en Qwen3 1.72B 28 层 Qwen3 模型，具有 17.2 亿参数，在性能和资源使用之间取得了良好的平衡。
qwen3_4b_en Qwen3 4.02B 36 层 Qwen3 模型，具有 40.2 亿参数，提供了比小型变体更强的推理能力和更好的性能。
qwen3_8b_en Qwen3 8.19B 36 层 Qwen3 模型，具有 81.9 亿参数，具备增强的推理、编码和指令遵循能力。
qwen3_14b_en Qwen3 14.77B 40 层 Qwen3 模型，具有 147.7 亿参数，具备先进的推理、编码和多语言能力。
qwen3_32b_en Qwen3 32.76B 64 层 Qwen3 模型，具有 327.6 亿参数，在推理、编码和通用语言任务方面均达到最先进的性能。
qwen3_moe_30b_a3b_en Qwen3Moe 30.53B 混合专家 (MoE) 模型拥有 305 亿总参数，激活 33 亿参数，基于 48 层构建，并利用 32 个查询头和 4 个键/值注意力头，拥有 128 个专家（激活 8 个）。
qwen3_moe_235b_a22b_en Qwen3Moe 235.09B 混合专家 (MoE) 模型拥有 2350 亿总参数，激活 220 亿参数，基于 94 层构建，并利用 64 个查询头和 4 个键/值注意力头，拥有 128 个专家（激活 8 个）。
qwen1.5_moe_2.7b_en QwenMoe 14.32B 24 层 Qwen MoE 模型，具有 27 亿个活动参数和每个 MoE 层 8 个专家。
resnet_18_imagenet ResNet 11.19M 18 层 ResNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_18_imagenet ResNet 11.72M 18 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_34_imagenet ResNet 21.84M 34 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_50_imagenet ResNet 23.56M 50 层 ResNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_v2_50_imagenet ResNet 23.56M 50 层 ResNetV2 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_50_imagenet ResNet 25.63M 50 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_50_ssld_imagenet ResNet 25.63M 50 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练，并采用知识蒸馏。
resnet_vd_50_ssld_v2_imagenet ResNet 25.63M 50 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练，并采用知识蒸馏和 AutoAugment。
resnet_vd_50_ssld_v2_fix_imagenet ResNet 25.63M 50 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练，并采用知识蒸馏、AutoAugment 和额外的分类头微调。
resnet_101_imagenet ResNet 42.61M 101 层 ResNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_v2_101_imagenet ResNet 42.61M 101 层 ResNetV2 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_101_imagenet ResNet 44.67M 101 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_101_ssld_imagenet ResNet 44.67M 101 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练，并采用知识蒸馏。
resnet_152_imagenet ResNet 58.30M 152 层 ResNet 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_152_imagenet ResNet 60.36M 152 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
resnet_vd_200_imagenet ResNet 74.93M 200 层 ResNetVD（带技巧包的 ResNet）模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
retinanet_resnet50_fpn_v2_coco RetinaNet 31.56M RetinaNet 模型，带有 ResNet50 骨干网络，在 800x800 分辨率的 COCO 数据集上进行微调，FPN 特征从 P5 级别创建。
retinanet_resnet50_fpn_coco RetinaNet 34.12M RetinaNet 模型，带有 ResNet50 骨干网络，在 800x800 分辨率的 COCO 数据集上进行微调。
roberta_base_en Roberta 124.05M 12 层 RoBERTa 模型，大小写保持不变。在英文维基百科、BooksCorpus、CommonCrawl 和 OpenWebText 上训练。
roberta_large_en Roberta 354.31M 24 层 RoBERTa 模型，大小写保持不变。在英文维基百科、BooksCorpus、CommonCrawl 和 OpenWebText 上训练。
sam_base_sa1b Segment Anything Model 93.74M 在 SA1B 数据集上训练的基础 SAM 模型。
sam_huge_sa1b Segment Anything Model 312.34M 在 SA1B 数据集上训练的巨型 SAM 模型。
sam_large_sa1b Segment Anything Model 641.09M 在 SA1B 数据集上训练的大型 SAM 模型。
siglip_base_patch16_224 SigLIP 203.16M 2 亿参数，图像尺寸 224，在 WebLi 上预训练。
siglip_base_patch16_256 SigLIP 203.20M 2 亿参数，图像尺寸 256，在 WebLi 上预训练。
siglip_base_patch16_384 SigLIP 203.45M 2 亿参数，图像尺寸 384，在 WebLi 上预训练。
siglip_base_patch16_512 SigLIP 203.79M 2 亿参数，图像尺寸 512，在 WebLi 上预训练。
siglip_base_patch16_256_multilingual SigLIP 370.63M 3.7 亿参数，图像尺寸 256，在 WebLi 上预训练。
siglip2_base_patch16_224 SigLIP 375.19M 3.75 亿参数，补丁大小 16，图像尺寸 224，在 WebLi 上预训练。
siglip2_base_patch16_256 SigLIP 375.23M 3.75 亿参数，补丁大小 16，图像尺寸 256，在 WebLi 上预训练。
siglip2_base_patch32_256 SigLIP 376.86M 3.76 亿参数，补丁大小 32，图像尺寸 256，在 WebLi 上预训练。
siglip2_base_patch16_384 SigLIP 376.86M 3.76 亿参数，补丁大小 16，图像尺寸 384，在 WebLi 上预训练。
siglip_large_patch16_256 SigLIP 652.15M 6.52 亿参数，图像尺寸 256，在 WebLi 上预训练。
siglip_large_patch16_384 SigLIP 652.48M 6.52 亿参数，图像尺寸 384，在 WebLi 上预训练。
siglip_so400m_patch14_224 SigLIP 877.36M 8.77 亿参数，图像尺寸 224，形状优化版本，在 WebLi 上预训练。
siglip_so400m_patch14_384 SigLIP 877.96M 8.77 亿参数，图像尺寸 384，形状优化版本，在 WebLi 上预训练。
siglip2_large_patch16_256 SigLIP 881.53M 8.81 亿参数，补丁大小 16，图像尺寸 256，在 WebLi 上预训练。
siglip2_large_patch16_384 SigLIP 881.86M 8.81 亿参数，补丁大小 16，图像尺寸 384，在 WebLi 上预训练。
siglip2_large_patch16_512 SigLIP 882.31M 8.82 亿参数，补丁大小 16，图像尺寸 512，在 WebLi 上预训练。
siglip_so400m_patch16_256_i18n SigLIP 1.13B 11 亿参数，图像尺寸 256，形状优化版本，在 WebLi 上预训练。
siglip2_so400m_patch14_224 SigLIP 1.14B 11 亿参数，补丁大小 14，图像尺寸 224，形状优化版本，在 WebLi 上预训练。
siglip2_so400m_patch16_256 SigLIP 1.14B 11 亿参数，补丁大小 16，图像尺寸 256，形状优化版本，在 WebLi 上预训练。
siglip2_so400m_patch14_384 SigLIP 1.14B 11 亿参数，补丁大小 14，图像尺寸 224，形状优化版本，在 WebLi 上预训练。
siglip2_so400m_patch16_384 SigLIP 1.14B 11 亿参数，补丁大小 16，图像尺寸 384，形状优化版本，在 WebLi 上预训练。
siglip2_so400m_patch16_512 SigLIP 1.14B 11 亿参数，补丁大小 16，图像尺寸 512，形状优化版本，在 WebLi 上预训练。
siglip2_giant_opt_patch16_256 SigLIP 1.87B 18 亿参数，补丁大小 16，图像尺寸 256，在 WebLi 上预训练。
siglip2_giant_opt_patch16_384 SigLIP 1.87B 18 亿参数，补丁大小 16，图像尺寸 384，在 WebLi 上预训练。
stable_diffusion_3_medium Stable Diffusion 3 29.9亿 30 亿参数，包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型和 VAE 自动编码器。由 Stability AI 开发。
stable_diffusion_3.5_medium Stable Diffusion 3 33.7亿 30 亿参数，包括 CLIP L 和 CLIP G 文本编码器、MMDiT-X 生成模型和 VAE 自动编码器。由 Stability AI 开发。
stable_diffusion_3.5_large Stable Diffusion 3 90.5亿 90 亿参数，包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型和 VAE 自动编码器。由 Stability AI 开发。
stable_diffusion_3.5_large_turbo Stable Diffusion 3 90.5亿 90 亿参数，包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型和 VAE 自动编码器。这是一个时间步蒸馏版本，消除了无分类器引导，并使用更少的步骤进行生成。由 Stability AI 开发。
t5_small_multi T5 0 8 层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 上训练。
t5_base_multi T5 0 12 层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 上训练。
t5_large_multi T5 0 24 层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 上训练。
flan_small_multi T5 0 8 层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 上训练。
flan_base_multi T5 0 12 层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 上训练。
flan_large_multi T5 0 24 层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 上训练。
t5_1.1_small T5 60.51M
t5_1.1_base T5 247.58M
t5_1.1_large T5 750.25M
t5_1.1_xl T5 2.85B
t5_1.1_xxl T5 11.14B
t5gemma_s_s_ul2 T5Gemma 312.52M T5Gemma S/S 模型，具有小型编码器和小型解码器，被适配为 UL2 模型。
t5gemma_s_s_prefixlm T5Gemma 312.52M T5Gemma S/S 模型，具有小型编码器和小型解码器，被适配为前缀语言模型。
t5gemma_s_s_ul2_it T5Gemma 312.52M T5Gemma S/S 模型，具有小型编码器和小型解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_s_s_prefixlm_it T5Gemma 312.52M T5Gemma S/S 模型，具有小型编码器和小型解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_b_b_ul2 T5Gemma 591.49M T5Gemma B/B 模型，具有基础编码器和基础解码器，被适配为 UL2 模型。
t5gemma_b_b_prefixlm T5Gemma 591.49M T5Gemma B/B 模型，具有基础编码器和基础解码器，被适配为前缀语言模型。
t5gemma_b_b_ul2_it T5Gemma 591.49M T5Gemma B/B 模型，具有基础编码器和基础解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_b_b_prefixlm_it T5Gemma 591.49M T5Gemma B/B 模型，具有基础编码器和基础解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_l_l_ul2 T5Gemma 1.24B T5Gemma L/L 模型，具有大型编码器和大型解码器，被适配为 UL2 模型。
t5gemma_l_l_prefixlm T5Gemma 1.24B T5Gemma L/L 模型，具有大型编码器和大型解码器，被适配为前缀语言模型。
t5gemma_l_l_ul2_it T5Gemma 1.24B T5Gemma L/L 模型，具有大型编码器和大型解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_l_l_prefixlm_it T5Gemma 1.24B T5Gemma L/L 模型，具有大型编码器和大型解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_ml_ml_ul2 T5Gemma 2.20B T5Gemma ML/ML 模型，具有中大型编码器和中大型解码器，被适配为 UL2 模型。
t5gemma_ml_ml_prefixlm T5Gemma 2.20B T5Gemma ML/ML 模型，具有中大型编码器和中大型解码器，被适配为前缀语言模型。
t5gemma_ml_ml_ul2_it T5Gemma 2.20B T5Gemma ML/ML 模型，具有中大型编码器和中大型解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_ml_ml_prefixlm_it T5Gemma 2.20B T5Gemma ML/ML 模型，具有中大型编码器和中大型解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_xl_xl_ul2 T5Gemma 3.77B T5Gemma XL/XL 模型，具有超大型编码器和超大型解码器，被适配为 UL2 模型。
t5gemma_xl_xl_prefixlm T5Gemma 3.77B T5Gemma XL/XL 模型，具有超大型编码器和超大型解码器，被适配为前缀语言模型。
t5gemma_xl_xl_ul2_it T5Gemma 3.77B T5Gemma XL/XL 模型，具有超大型编码器和超大型解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_xl_xl_prefixlm_it T5Gemma 3.77B T5Gemma XL/XL 模型，具有超大型编码器和超大型解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_2b_2b_ul2 T5Gemma 5.60B T5Gemma 2B/2B 模型，具有 20 亿参数的编码器和 20 亿参数的解码器，被适配为 UL2 模型。
t5gemma_2b_2b_prefixlm T5Gemma 5.60B T5Gemma 2B/2B 模型，具有 20 亿参数的编码器和 20 亿参数的解码器，被适配为前缀语言模型。
t5gemma_2b_2b_ul2_it T5Gemma 5.60B T5Gemma 2B/2B 模型，具有 20 亿参数的编码器和 20 亿参数的解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_2b_2b_prefixlm_it T5Gemma 5.60B T5Gemma 2B/2B 模型，具有 20 亿参数的编码器和 20 亿参数的解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_9b_2b_ul2 T5Gemma 12.29B T5Gemma 9B/2B 模型，具有 90 亿参数的编码器和 20 亿参数的解码器，被适配为 UL2 模型。
t5gemma_9b_2b_prefixlm T5Gemma 12.29B T5Gemma 9B/2B 模型，具有 90 亿参数的编码器和 20 亿参数的解码器，被适配为前缀语言模型。
t5gemma_9b_2b_ul2_it T5Gemma 12.29B T5Gemma 9B/2B 模型，具有 90 亿参数的编码器和 20 亿参数的解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_9b_2b_prefixlm_it T5Gemma 12.29B T5Gemma 9B/2B 模型，具有 90 亿参数的编码器和 20 亿参数的解码器，被适配为前缀语言模型，并进行了指令遵循微调。
t5gemma_9b_9b_ul2 T5Gemma 20.33B T5Gemma 9B/9B 模型，具有 90 亿参数的编码器和 90 亿参数的解码器，被适配为 UL2 模型。
t5gemma_9b_9b_prefixlm T5Gemma 20.33B T5Gemma 9B/9B 模型，具有 90 亿参数的编码器和 90 亿参数的解码器，被适配为前缀语言模型。
t5gemma_9b_9b_ul2_it T5Gemma 20.33B T5Gemma 9B/9B 模型，具有 90 亿参数的编码器和 90 亿参数的解码器，被适配为 UL2 模型，并进行了指令遵循微调。
t5gemma_9b_9b_prefixlm_it T5Gemma 20.33B T5Gemma 9B/9B 模型，具有 90 亿参数的编码器和 90 亿参数的解码器，被适配为前缀语言模型，并进行了指令遵循微调。
vgg_11_imagenet VGG 9.22M 11 层 VGG 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
vgg_13_imagenet VGG 9.40M 13 层 VGG 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
vgg_16_imagenet VGG 14.71M 16 层 VGG 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
vgg_19_imagenet VGG 20.02M 19 层 VGG 模型，在 224x224 分辨率的 ImageNet 1k 数据集上预训练。
vit_base_patch16_224_imagenet ViT 85.80M ViT-B16 模型，在 224x224 图像分辨率的 ImageNet 1k 数据集上预训练。
vit_base_patch16_224_imagenet21k ViT 85.80M ViT-B16 骨干网络，在 224x224 图像分辨率的 ImageNet 21k 数据集上预训练。
vit_base_patch16_384_imagenet ViT 86.09M ViT-B16 模型，在 384x384 图像分辨率的 ImageNet 1k 数据集上预训练。
vit_base_patch32_224_imagenet21k ViT 87.46M ViT-B32 骨干网络，在 224x224 图像分辨率的 ImageNet 21k 数据集上预训练。
vit_base_patch32_384_imagenet ViT 87.53M ViT-B32 模型，在 384x384 图像分辨率的 ImageNet 1k 数据集上预训练。
vit_large_patch16_224_imagenet ViT 303.30M ViT-L16 模型，在 224x224 图像分辨率的 ImageNet 1k 数据集上预训练。
vit_large_patch16_224_imagenet21k ViT 303.30M ViT-L16 骨干网络，在 224x224 图像分辨率的 ImageNet 21k 数据集上预训练。
vit_large_patch16_384_imagenet ViT 303.69M ViT-L16 模型，在 384x384 图像分辨率的 ImageNet 1k 数据集上预训练。
vit_large_patch32_224_imagenet21k ViT 305.51M ViT-L32 骨干网络，在 224x224 图像分辨率的 ImageNet 21k 数据集上预训练。
vit_large_patch32_384_imagenet ViT 305.61M ViT-L32 模型，在 384x384 图像分辨率的 ImageNet 1k 数据集上预训练。
vit_huge_patch14_224_imagenet21k ViT 630.76M ViT-H14 骨干网络，在 224x224 图像分辨率的 ImageNet 21k 数据集上预训练。
whisper_tiny_en Whisper 37.18M 4 层 Whisper 模型。在 438,000 小时带标签的英语语音数据上训练。
whisper_tiny_multi Whisper 37.76M 4 层 Whisper 模型。在 680,000 小时带标签的多语言语音数据上训练。
whisper_base_multi Whisper 72.59M 6 层 Whisper 模型。在 680,000 小时带标签的多语言语音数据上训练。
whisper_base_en Whisper 124.44M 6 层 Whisper 模型。在 438,000 小时带标签的英语语音数据上训练。
whisper_small_en Whisper 241.73M 12 层 Whisper 模型。在 438,000 小时带标签的英语语音数据上训练。
whisper_small_multi Whisper 241.73M 12 层 Whisper 模型。在 680,000 小时带标签的多语言语音数据上训练。
whisper_medium_en Whisper 763.86M 24 层 Whisper 模型。在 438,000 小时带标签的英语语音数据上训练。
whisper_medium_multi Whisper 763.86M 24 层 Whisper 模型。在 680,000 小时带标签的多语言语音数据上训练。
whisper_large_multi Whisper 1.54B 32 层 Whisper 模型。在 680,000 小时带标签的多语言语音数据上训练。
whisper_large_multi_v2 Whisper 1.54B 32 层 Whisper 模型。在 680,000 小时带标签的多语言语音数据上训练了 2.5 个 epoch。whisper_large_multi 的改进版本。
xception_41_imagenet Xception 20.86M 41 层 Xception 模型，在 ImageNet 1k 上预训练。
xlm_roberta_base_multi XLMRoberta 277.45M 12 层 XLM-RoBERTa 模型，大小写保持不变。在 100 种语言的 CommonCrawl 上训练。
xlm_roberta_large_multi XLMRoberta 558.84M 24 层 XLM-RoBERTa 模型，大小写保持不变。在 100 种语言的 CommonCrawl 上训练。