下面,我们列出了 KerasHub 库中所有可用的预设。要了解更详细的用法,请查阅特定类的文档字符串。要深入了解我们的 API,请参阅入门指南。
以下预设名称对应于预训练模型的配置和权重。任何任务、预处理器、主干网络或分词器都可以使用 from_preset()
方法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,所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
albert_large_en_uncased | Albert | 17.68M | 24层 ALBERT 模型,所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
albert_extra_large_en_uncased | Albert | 58.72M | 24层 ALBERT 模型,所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
albert_extra_extra_large_en_uncased | Albert | 222.60M | 12层 ALBERT 模型,所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
bart_base_en | Bart | 139.42M | 6层 BART 模型,保留大小写。在 BookCorpus、英文维基百科和 CommonCrawl 数据集上训练。 |
bart_large_en | Bart | 406.29M | 12层 BART 模型,保留大小写。在 BookCorpus、英文维基百科和 CommonCrawl 数据集上训练。 |
bart_large_en_cnn | Bart | 406.29M | 在 CNN+DM 摘要数据集上微调的 bart_large_en 主干模型。 |
basnet_duts | BASNet | 108.89M | 带有34层 ResNet 主干网络的 BASNet 模型,在 DUTS 图像数据集上以 288x288 分辨率预训练。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,所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
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 主干模型。 |
bert_small_en_uncased | Bert | 28.76M | 4层 BERT 模型,所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
bert_medium_en_uncased | Bert | 41.37M | 8层 BERT 模型,所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
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,保留大小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
bert_base_en_uncased | Bert | 109.48M | 12层 BERT 模型,所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
bert_base_multi | Bert | 177.85M | 12层 BERT 模型,保留大小写。在104种语言的维基百科上训练。 |
bert_large_en | Bert | 333.58M | 24层 BERT 模型,保留大小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
bert_large_en_uncased | Bert | 335.14M | 24层 BERT 模型,所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
bloom_560m_multi | Bloom | 559.21M | 隐藏层维度为 1024 的 24层 Bloom 模型。在45种自然语言和12种编程语言上训练。 |
bloomz_560m_multi | Bloom | 559.21M | 隐藏层维度为 1024 的 24层 Bloom 模型。在跨语言任务混合 (xP3) 数据集上微调。 |
bloom_1.1b_multi | Bloom | 1.07B | 隐藏层维度为 1536 的 24层 Bloom 模型。在45种自然语言和12种编程语言上训练。 |
bloomz_1.1b_multi | Bloom | 1.07B | 隐藏层维度为 1536 的 24层 Bloom 模型。在跨语言任务混合 (xP3) 数据集上微调。 |
bloom_1.7b_multi | Bloom | 1.72B | 隐藏层维度为 2048 的 24层 Bloom 模型。在45种自然语言和12种编程语言上训练。 |
bloomz_1.7b_multi | Bloom | 1.72B | 隐藏层维度为 2048 的 24层 Bloom 模型。在跨语言任务混合 (xP3) 数据集上微调。 |
bloom_3b_multi | Bloom | 3.00B | 隐藏层维度为 2560 的 30层 Bloom 模型。在45种自然语言和12种编程语言上训练。 |
bloomz_3b_multi | Bloom | 3.00B | 隐藏层维度为 2560 的 30层 Bloom 模型。在跨语言任务混合 (xP3) 数据集上微调。 |
clip_vit_base_patch16 | CLIP | 149.62M | 1.5亿参数,视觉部分12层,文本部分12层,patch 大小为16的 CLIP 模型。 |
clip_vit_base_patch32 | CLIP | 151.28M | 1.51亿参数,视觉部分12层,文本部分12层,patch 大小为32的 CLIP 模型。 |
clip_vit_b_32_laion2b_s34b_b79k | CLIP | 151.28M | 1.51亿参数,视觉部分12层,文本部分12层,patch 大小为32的 Open CLIP 模型。 |
clip_vit_large_patch14 | CLIP | 427.62M | 4.28亿参数,视觉部分24层,文本部分12层,patch 大小为14的 CLIP 模型。 |
clip_vit_large_patch14_336 | CLIP | 427.94M | 4.28亿参数,视觉部分24层,文本部分12层,patch 大小为14,图像大小为336的 CLIP 模型。 |
clip_vit_h_14_laion2b_s32b_b79k | CLIP | 986.11M | 9.86亿参数,视觉部分32层,文本部分24层,patch 大小为14的 Open CLIP 模型。 |
clip_vit_g_14_laion2b_s12b_b42k | CLIP | 1.37B | 14亿参数,视觉部分40层,文本部分24层,patch 大小为14的 Open CLIP 模型。 |
clip_vit_bigg_14_laion2b_39b_b160k | CLIP | 2.54B | 25亿参数,视觉部分48层,文本部分32层,patch 大小为14的 Open CLIP 模型。 |
csp_darknet_53_ra_imagenet | CSPNet | 26.65M | 一种 CSP-DarkNet (Cross-Stage-Partial) 图像分类模型,在随机增强的 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
deberta_v3_extra_small_en | DebertaV3 | 70.68M | 12层 DeBERTaV3 模型,保留大小写。在英文维基百科、BookCorpus 和 OpenWebText 数据集上训练。 |
deberta_v3_small_en | DebertaV3 | 141.30M | 6层 DeBERTaV3 模型,保留大小写。在英文维基百科、BookCorpus 和 OpenWebText 数据集上训练。 |
deberta_v3_base_en | DebertaV3 | 183.83M | 12层 DeBERTaV3 模型,保留大小写。在英文维基百科、BookCorpus 和 OpenWebText 数据集上训练。 |
deberta_v3_base_multi | DebertaV3 | 278.22M | 12层 DeBERTaV3 模型,保留大小写。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,保留大小写。在英文维基百科、BookCorpus 和 OpenWebText 数据集上训练。 |
deeplab_v3_plus_resnet50_pascalvoc | DeepLabV3 | 39.19M | 使用 ResNet50 作为图像编码器,并在由 Semantic Boundaries Dataset (SBD) 增强的 Pascal VOC 数据集上训练的 DeepLabV3+ 模型,其类别准确率为 90.01,平均 IoU 为 0.63。 |
densenet_121_imagenet | DenseNet | 7.04M | 121层 DenseNet 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
densenet_169_imagenet | DenseNet | 12.64M | 169层 DenseNet 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
densenet_201_imagenet | DenseNet | 18.32M | 201层 DenseNet 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
distil_bert_base_en | DistilBert | 65.19M | 6层 DistilBERT 模型,保留大小写。使用 BERT 作为教师模型,在英文维基百科 + BooksCorpus 数据集上训练。 |
distil_bert_base_en_uncased | DistilBert | 66.36M | 6层 DistilBERT 模型,所有输入都已小写。使用 BERT 作为教师模型,在英文维基百科 + BooksCorpus 数据集上训练。 |
distil_bert_base_multi | DistilBert | 134.73M | 6层 DistilBERT 模型,保留大小写。在104种语言的维基百科上训练。 |
efficientnet_lite0_ra_imagenet | EfficientNet | 4.65M | 在 ImageNet 1k 数据集上使用 RandAugment 方案微调的 EfficientNet-Lite 模型。 |
efficientnet_b0_ra_imagenet | EfficientNet | 5.29M | 在 ImageNet 1k 数据集上使用 RandAugment 方案预训练的 EfficientNet B0 模型。 |
efficientnet_b0_ra4_e3600_r224_imagenet | EfficientNet | 5.29M | 由 Ross Wightman 在 ImageNet 1k 数据集上预训练的 EfficientNet B0 模型。使用 timm 脚本训练,超参数灵感来源于 MobileNet-V4 small,并混合了 timm 中的常用超参数和 'ResNet Strikes Back'。 |
efficientnet_es_ra_imagenet | EfficientNet | 5.44M | 在 ImageNet 1k 数据集上使用 RandAugment 方案训练的 EfficientNet-EdgeTPU Small 模型。 |
efficientnet_em_ra2_imagenet | EfficientNet | 6.90M | 在 ImageNet 1k 数据集上使用 RandAugment2 方案训练的 EfficientNet-EdgeTPU Medium 模型。 |
efficientnet_b1_ft_imagenet | EfficientNet | 7.79M | 在 ImageNet 1k 数据集上微调的 EfficientNet B1 模型。 |
efficientnet_b1_ra4_e3600_r240_imagenet | EfficientNet | 7.79M | 由 Ross Wightman 在 ImageNet 1k 数据集上预训练的 EfficientNet B1 模型。使用 timm 脚本训练,超参数灵感来源于 MobileNet-V4 small,并混合了 timm 中的常用超参数和 'ResNet Strikes Back'。 |
efficientnet_b2_ra_imagenet | EfficientNet | 9.11M | 在 ImageNet 1k 数据集上使用 RandAugment 方案预训练的 EfficientNet B2 模型。 |
efficientnet_el_ra_imagenet | EfficientNet | 10.59M | 在 ImageNet 1k 数据集上使用 RandAugment 方案训练的 EfficientNet-EdgeTPU Large 模型。 |
efficientnet_b3_ra2_imagenet | EfficientNet | 12.23M | 在 ImageNet 1k 数据集上使用 RandAugment2 方案预训练的 EfficientNet B3 模型。 |
efficientnet2_rw_t_ra2_imagenet | EfficientNet | 13.65M | 在 ImageNet 1k 数据集上使用 RandAugment2 方案训练的 EfficientNet-v2 Tiny 模型。 |
efficientnet_b4_ra2_imagenet | EfficientNet | 19.34M | 在 ImageNet 1k 数据集上使用 RandAugment2 方案预训练的 EfficientNet B4 模型。 |
efficientnet2_rw_s_ra2_imagenet | EfficientNet | 23.94M | 在 ImageNet 1k 数据集上使用 RandAugment2 方案训练的 EfficientNet-v2 Small 模型。 |
efficientnet_b5_sw_imagenet | EfficientNet | 30.39M | 由 Ross Wightman 在 ImageNet 12k 数据集上预训练的 EfficientNet B5 模型。基于 Swin Transformer 训练/预训练方案,并进行了修改(与 DeiT 和 ConvNeXt 方案相关)。 |
efficientnet_b5_sw_ft_imagenet | EfficientNet | 30.39M | 由 Ross Wightman 在 ImageNet 12k 数据集上预训练并在 ImageNet-1k 上微调的 EfficientNet B5 模型。基于 Swin Transformer 训练/预训练方案,并进行了修改(与 DeiT 和 ConvNeXt 方案相关)。 |
efficientnet2_rw_m_agc_imagenet | EfficientNet | 53.24M | 在 ImageNet 1k 数据集上使用自适应梯度裁剪训练的 EfficientNet-v2 Medium 模型。 |
electra_small_discriminator_uncased_en | Electra | 13.55M | 12层 small ELECTRA 判别器模型。所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
electra_small_generator_uncased_en | Electra | 13.55M | 12层 small ELECTRA 生成器模型。所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
electra_base_generator_uncased_en | Electra | 33.58M | 12层 base ELECTRA 生成器模型。所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
electra_large_generator_uncased_en | Electra | 51.07M | 24层 large ELECTRA 生成器模型。所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
electra_base_discriminator_uncased_en | Electra | 109.48M | 12层 base ELECTRA 判别器模型。所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
electra_large_discriminator_uncased_en | Electra | 335.14M | 24层 large ELECTRA 判别器模型。所有输入都已小写。在英文维基百科 + BooksCorpus 数据集上训练。 |
f_net_base_en | FNet | 82.86M | 12层 FNet 模型,保留大小写。在 C4 数据集上训练。 |
f_net_large_en | FNet | 236.95M | 24层 FNet 模型,保留大小写。在 C4 数据集上训练。 |
falcon_refinedweb_1b_en | Falcon | 1.31B | 24层 Falcon 模型(10亿参数的 Falcon),在 RefinedWeb 数据集的 3500亿 token 上训练。 |
gemma_2b_en | Gemma | 2.51B | 20亿参数,18层,基础 Gemma 模型。 |
gemma_instruct_2b_en | Gemma | 2.51B | 20亿参数,18层,指令微调的 Gemma 模型。 |
gemma_1.1_instruct_2b_en | Gemma | 2.51B | 20亿参数,18层,指令微调的 Gemma 模型。1.1 版本更新提升了模型质量。 |
code_gemma_1.1_2b_en | Gemma | 2.51B | 20亿参数,18层,CodeGemma 模型。该模型已针对代码补全的中间填充 (FIM) 任务进行训练。1.1 版本更新提升了模型质量。 |
code_gemma_2b_en | Gemma | 2.51B | 20亿参数,18层,CodeGemma 模型。该模型已针对代码补全的中间填充 (FIM) 任务进行训练。 |
gemma2_2b_en | Gemma | 2.61B | 20亿参数,26层,基础 Gemma 模型。 |
gemma2_instruct_2b_en | Gemma | 2.61B | 20亿参数,26层,指令微调的 Gemma 模型。 |
shieldgemma_2b_en | Gemma | 2.61B | 20亿参数,26层,ShieldGemma 模型。 |
gemma_7b_en | Gemma | 8.54B | 70亿参数,28层,基础 Gemma 模型。 |
gemma_instruct_7b_en | Gemma | 8.54B | 70亿参数,28层,指令微调的 Gemma 模型。 |
gemma_1.1_instruct_7b_en | Gemma | 8.54B | 70亿参数,28层,指令微调的 Gemma 模型。1.1 版本更新提升了模型质量。 |
code_gemma_7b_en | Gemma | 8.54B | 70亿参数,28层,CodeGemma 模型。该模型已针对代码补全的中间填充 (FIM) 任务进行训练。 |
code_gemma_instruct_7b_en | Gemma | 8.54B | 70亿参数,28层,指令微调的 CodeGemma 模型。该模型已针对与代码相关的聊天用例进行训练。 |
code_gemma_1.1_instruct_7b_en | Gemma | 8.54B | 70亿参数,28层,指令微调的 CodeGemma 模型。该模型已针对与代码相关的聊天用例进行训练。1.1 版本更新提升了模型质量。 |
gemma2_9b_en | Gemma | 9.24B | 90亿参数,42层,基础 Gemma 模型。 |
gemma2_instruct_9b_en | Gemma | 9.24B | 90亿参数,42层,指令微调的 Gemma 模型。 |
shieldgemma_9b_en | Gemma | 9.24B | 90亿参数,42层,ShieldGemma 模型。 |
gemma2_27b_en | Gemma | 27.23B | 270亿参数,42层,基础 Gemma 模型。 |
gemma2_instruct_27b_en | Gemma | 27.23B | 270亿参数,42层,指令微调的 Gemma 模型。 |
shieldgemma_27b_en | Gemma | 27.23B | 270亿参数,42层,ShieldGemma 模型。 |
gemma3_1b | Gemma3 | 999.89M | 10亿参数,26层,仅文本预训练的 Gemma3 模型。 |
gemma3_instruct_1b | Gemma3 | 999.89M | 10亿参数,26层,仅文本指令微调的 Gemma3 模型。 |
gemma3_4b_text | Gemma3 | 3.88B | 40亿参数,34层,仅文本预训练的 Gemma3 模型。 |
gemma3_instruct_4b_text | Gemma3 | 3.88B | 40亿参数,34层,仅文本指令微调的 Gemma3 模型。 |
gemma3_4b | Gemma3 | 4.30B | 40亿参数,34层,视觉+文本预训练的 Gemma3 模型。 |
gemma3_instruct_4b | Gemma3 | 4.30B | 40亿参数,34层,视觉+文本指令微调的 Gemma3 模型。 |
gemma3_12b_text | Gemma3 | 11.77B | 120亿参数,48层,仅文本预训练的 Gemma3 模型。 |
gemma3_instruct_12b_text | Gemma3 | 11.77B | 120亿参数,48层,仅文本指令微调的 Gemma3 模型。 |
gemma3_12b | Gemma3 | 12.19B | 120亿参数,48层,视觉+文本预训练的 Gemma3 模型。 |
gemma3_instruct_12b | Gemma3 | 12.19B | 120亿参数,48层,视觉+文本指令微调的 Gemma3 模型。 |
gemma3_27b_text | Gemma3 | 27.01B | 270亿参数,62层,仅文本预训练的 Gemma3 模型。 |
gemma3_instruct_27b_text | Gemma3 | 27.01B | 270亿参数,62层,仅文本指令微调的 Gemma3 模型。 |
gemma3_27b | Gemma3 | 27.43B | 270亿参数,62层,视觉+文本预训练的 Gemma3 模型。 |
gemma3_instruct_27b | Gemma3 | 27.43B | 270亿参数,62层,视觉+文本指令微调的 Gemma3 模型。 |
gpt2_base_en | GPT2 | 124.44M | 12层 GPT-2 模型,保留大小写。在 WebText 数据集上训练。 |
gpt2_base_en_cnn_dailymail | GPT2 | 124.44M | 12层 GPT-2 模型,保留大小写。在 CNN/DailyMail 摘要数据集上微调。 |
gpt2_medium_en | GPT2 | 354.82M | 24层 GPT-2 模型,保留大小写。在 WebText 数据集上训练。 |
gpt2_large_en | GPT2 | 774.03M | 36层 GPT-2 模型,保留大小写。在 WebText 数据集上训练。 |
gpt2_extra_large_en | GPT2 | 1.56B | 48层 GPT-2 模型,保留大小写。在 WebText 数据集上训练。 |
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,指令微调的 LLaMA 2 模型。 |
vicuna_1.5_7b_en | Llama | 6.74B | 70亿参数,32层,指令微调的 Vicuna v1.5 模型。 |
llama2_7b_en_int8 | Llama | 6.74B | 70亿参数,32层,激活和权重量化为 int8 的基础 LLaMA 2 模型。 |
llama2_instruct_7b_en_int8 | Llama | 6.74B | 70亿参数,32层,激活和权重量化为 int8 的指令微调的 LLaMA 2 模型。 |
llama3_8b_en | Llama3 | 8.03B | 80亿参数,32层,基础 LLaMA 3 模型。 |
llama3_instruct_8b_en | Llama3 | 8.03B | 80亿参数,32层,指令微调的 LLaMA 3 模型。 |
llama3_8b_en_int8 | Llama3 | 8.03B | 80亿参数,32层,激活和权重量化为 int8 的基础 LLaMA 3 模型。 |
llama3_instruct_8b_en_int8 | Llama3 | 8.03B | 80亿参数,32层,激活和权重量化为 int8 的指令微调的 LLaMA 3 模型。 |
mistral_7b_en | Mistral | 7.24B | Mistral 7B 基础模型 |
mistral_instruct_7b_en | Mistral | 7.24B | Mistral 7B 指令模型 |
mistral_0.2_instruct_7b_en | Mistral | 7.24B | Mistral 7B 指令模型 版本 0.2 |
mit_b0_ade20k_512 | MiT | 3.32M | 带有8个 Transformer 块的 MiT (MixTransformer) 模型。 |
mit_b0_cityscapes_1024 | MiT | 3.32M | 带有8个 Transformer 块的 MiT (MixTransformer) 模型。 |
mit_b1_ade20k_512 | MiT | 13.16M | 带有8个 Transformer 块的 MiT (MixTransformer) 模型。 |
mit_b1_cityscapes_1024 | MiT | 13.16M | 带有8个 Transformer 块的 MiT (MixTransformer) 模型。 |
mit_b2_ade20k_512 | MiT | 24.20M | 带有16个 Transformer 块的 MiT (MixTransformer) 模型。 |
mit_b2_cityscapes_1024 | MiT | 24.20M | 带有16个 Transformer 块的 MiT (MixTransformer) 模型。 |
mit_b3_ade20k_512 | MiT | 44.08M | 带有28个 Transformer 块的 MiT (MixTransformer) 模型。 |
mit_b3_cityscapes_1024 | MiT | 44.08M | 带有28个 Transformer 块的 MiT (MixTransformer) 模型。 |
mit_b4_ade20k_512 | MiT | 60.85M | 带有41个 Transformer 块的 MiT (MixTransformer) 模型。 |
mit_b4_cityscapes_1024 | MiT | 60.85M | 带有41个 Transformer 块的 MiT (MixTransformer) 模型。 |
mit_b5_ade20k_640 | MiT | 81.45M | 带有52个 Transformer 块的 MiT (MixTransformer) 模型。 |
mit_b5_cityscapes_1024 | MiT | 81.45M | 带有52个 Transformer 块的 MiT (MixTransformer) 模型。 |
mobilenet_v3_small_050_imagenet | - | 278.78K | Small Mobilenet V3 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。通道乘数减半。 |
mobilenet_v3_small_100_imagenet | - | 939.12K | Small Mobilenet V3 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。具有基线通道乘数。 |
mobilenet_v3_large_100_imagenet | - | 3.00M | Large Mobilenet V3 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。具有基线通道乘数。 |
mobilenet_v3_large_100_imagenet_21k | - | 3.00M | Large Mobilenet V3 模型,在 ImageNet 21k 数据集上以 224x224 分辨率预训练。具有基线通道乘数。 |
opt_125m_en | OPT | 125.24M | 12层 OPT 模型,保留大小写。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,保留大小写。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,保留大小写。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,保留大小写。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 | - | 3.03B | 30亿参数,图像大小 224,视觉编码器为 27层 SigLIP-So400m,语言模型为 26层 Gemma2 2B。该模型已在各种视觉-语言任务和领域上进行微调。 |
pali_gemma2_pt_3b_224 | - | 3.03B | 30亿参数,图像大小 224,视觉编码器为 27层 SigLIP-So400m,语言模型为 26层 Gemma2 2B。该模型已在混合数据集上进行预训练。 |
pali_gemma_2_ft_docci_3b_448 | - | 3.03B | 30亿参数,图像大小 448,视觉编码器为 27层 SigLIP-So400m,语言模型为 26层 Gemma2 2B。该模型已在 DOCCI 数据集上进行微调,以改进带有精细细节的描述。 |
pali_gemma2_mix_3b_448 | - | 3.03B | 30亿参数,图像大小 448,视觉编码器为 27层 SigLIP-So400m,语言模型为 26层 Gemma2 2B。该模型已在各种视觉-语言任务和领域上进行微调。 |
pali_gemma2_pt_3b_448 | - | 3.03B | 30亿参数,图像大小 448,视觉编码器为 27层 SigLIP-So400m,语言模型为 26层 Gemma2 2B。该模型已在混合数据集上进行预训练。 |
pali_gemma2_pt_3b_896 | - | 3.04B | 30亿参数,图像大小 896,视觉编码器为 27层 SigLIP-So400m,语言模型为 26层 Gemma2 2B。该模型已在混合数据集上进行预训练。 |
pali_gemma2_mix_10b_224 | - | 9.66B | 100亿参数,图像大小 224,视觉编码器为 27层 SigLIP-So400m,语言模型为 42层 Gemma2 9B。该模型已在各种视觉-语言任务和领域上进行微调。 |
pali_gemma2_pt_10b_224 | - | 9.66B | 100亿参数,图像大小 224,视觉编码器为 27层 SigLIP-So400m,语言模型为 42层 Gemma2 9B。该模型已在混合数据集上进行预训练。 |
pali_gemma2_ft_docci_10b_448 | - | 9.66B | 100亿参数,视觉编码器为 27层 SigLIP-So400m,语言模型为 42层 Gemma2 9B。该模型已在 DOCCI 数据集上进行微调,以改进带有精细细节的描述。 |
pali_gemma2_mix_10b_448 | - | 9.66B | 100亿参数,图像大小 448,视觉编码器为 27层 SigLIP-So400m,语言模型为 42层 Gemma2 9B。该模型已在各种视觉-语言任务和领域上进行微调。 |
pali_gemma2_pt_10b_448 | - | 9.66B | 100亿参数,图像大小 448,视觉编码器为 27层 SigLIP-So400m,语言模型为 42层 Gemma2 9B。该模型已在混合数据集上进行预训练。 |
pali_gemma2_pt_10b_896 | - | 9.67B | 100亿参数,图像大小 896,视觉编码器为 27层 SigLIP-So400m,语言模型为 42层 Gemma2 9B。该模型已在混合数据集上进行预训练。 |
pali_gemma2_mix_28b_224 | - | 27.65B | 280亿参数,图像大小 224,视觉编码器为 27层 SigLIP-So400m,语言模型为 46层 Gemma2 27B。该模型已在各种视觉-语言任务和领域上进行微调。 |
pali_gemma2_mix_28b_448 | - | 27.65B | 280亿参数,图像大小 448,视觉编码器为 27层 SigLIP-So400m,语言模型为 46层 Gemma2 27B。该模型已在各种视觉-语言任务和领域上进行微调。 |
pali_gemma2_pt_28b_224 | - | 27.65B | 280亿参数,图像大小 224,视觉编码器为 27层 SigLIP-So400m,语言模型为 46层 Gemma2 27B。该模型已在混合数据集上进行预训练。 |
pali_gemma2_pt_28b_448 | - | 27.65B | 280亿参数,图像大小 448,视觉编码器为 27层 SigLIP-So400m,语言模型为 46层 Gemma2 27B。该模型已在混合数据集上进行预训练。 |
pali_gemma2_pt_28b_896 | - | 27.65B | 280亿参数,图像大小 896,视觉编码器为 27层 SigLIP-So400m,语言模型为 46层 Gemma2 27B。该模型已在混合数据集上进行预训练。 |
phi3_mini_4k_instruct_en | Phi3 | 3.82B | 38亿参数,32层,4k 上下文长度的 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过滤后的公开网站数据,强调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 上下文长度的 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过滤后的公开网站数据,强调高质量和推理密集型特性。 |
resnet_18_imagenet | ResNet | 11.19M | 18层 ResNet 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
resnet_vd_18_imagenet | ResNet | 11.72M | 18层 ResNetVD 模型(带技巧的 ResNet),在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
resnet_vd_34_imagenet | ResNet | 21.84M | 34层 ResNetVD 模型(带技巧的 ResNet),在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
resnet_50_imagenet | ResNet | 23.56M | 50层 ResNet 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
resnet_v2_50_imagenet | ResNet | 23.56M | 50层 ResNetV2 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
resnet_vd_50_imagenet | ResNet | 25.63M | 50层 ResNetVD 模型(带技巧的 ResNet),在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
resnet_vd_50_ssld_imagenet | ResNet | 25.63M | 50层 ResNetVD 模型(带技巧的 ResNet),在 ImageNet 1k 数据集上以 224x224 分辨率并使用知识蒸馏预训练。 |
resnet_vd_50_ssld_v2_imagenet | ResNet | 25.63M | 50层 ResNetVD 模型(带技巧的 ResNet),在 ImageNet 1k 数据集上以 224x224 分辨率并使用知识蒸馏和 AutoAugment 预训练。 |
resnet_vd_50_ssld_v2_fix_imagenet | ResNet | 25.63M | 50层 ResNetVD 模型(带技巧的 ResNet),在 ImageNet 1k 数据集上以 224x224 分辨率并使用知识蒸馏、AutoAugment 和对分类头进行额外微调后预训练。 |
resnet_101_imagenet | ResNet | 42.61M | 101层 ResNet 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
resnet_v2_101_imagenet | ResNet | 42.61M | 101层 ResNetV2 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
resnet_vd_101_imagenet | ResNet | 44.67M | 101层 ResNetVD 模型(带技巧的 ResNet),在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
resnet_vd_101_ssld_imagenet | ResNet | 44.67M | 101层 ResNetVD 模型(带技巧的 ResNet),在 ImageNet 1k 数据集上以 224x224 分辨率并使用知识蒸馏预训练。 |
resnet_152_imagenet | ResNet | 58.30M | 152层 ResNet 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
resnet_vd_152_imagenet | ResNet | 60.36M | 152层 ResNetVD 模型(带技巧的 ResNet),在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
resnet_vd_200_imagenet | ResNet | 74.93M | 200层 ResNetVD 模型(带技巧的 ResNet),在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
retinanet_resnet50_fpn_v2_coco | RetinaNet | 31.56M | 带有 ResNet50 主干网络的 RetinaNet 模型,在 COCO 数据集上以 800x800 分辨率微调,使用从 P5 层创建的 FPN 特征。 |
retinanet_resnet50_fpn_coco | RetinaNet | 34.12M | 带有 ResNet50 主干网络的 RetinaNet 模型,在 COCO 数据集上以 800x800 分辨率微调。 |
roberta_base_en | Roberta | 124.05M | 12层 RoBERTa 模型,保留大小写。在英文维基百科、BooksCorpus、CommonCrawl 和 OpenWebText 数据集上训练。 |
roberta_large_en | Roberta | 354.31M | 24层 RoBERTa 模型,保留大小写。在英文维基百科、BooksCorpus、CommonCrawl 和 OpenWebText 数据集上训练。 |
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 数据集上训练的巨大 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,图像大小 224,在 WebLi 数据集上预训练。 |
siglip_base_patch16_256 | SigLIP | 203.20M | 2亿参数,图像大小 256,在 WebLi 数据集上预训练。 |
siglip_base_patch16_384 | SigLIP | 203.45M | 2亿参数,图像大小 384,在 WebLi 数据集上预训练。 |
siglip_base_patch16_512 | SigLIP | 203.79M | 2亿参数,图像大小 512,在 WebLi 数据集上预训练。 |
siglip_base_patch16_256_multilingual | SigLIP | 370.63M | 3.7亿参数,图像大小 256,在 WebLi 数据集上预训练。 |
siglip2_base_patch16_224 | SigLIP | 375.19M | 3.75亿参数,patch 大小 16,图像大小 224,在 WebLi 数据集上预训练。 |
siglip2_base_patch16_256 | SigLIP | 375.23M | 3.75亿参数,patch 大小 16,图像大小 256,在 WebLi 数据集上预训练。 |
siglip2_base_patch32_256 | SigLIP | 376.86M | 3.76亿参数,patch 大小 32,图像大小 256,在 WebLi 数据集上预训练。 |
siglip2_base_patch16_384 | SigLIP | 376.86M | 3.76亿参数,patch 大小 16,图像大小 384,在 WebLi 数据集上预训练。 |
siglip_large_patch16_256 | SigLIP | 652.15M | 6.52亿参数,图像大小 256,在 WebLi 数据集上预训练。 |
siglip_large_patch16_384 | SigLIP | 652.48M | 6.52亿参数,图像大小 384,在 WebLi 数据集上预训练。 |
siglip_so400m_patch14_224 | SigLIP | 877.36M | 8.77亿参数,图像大小 224,形状优化版本,在 WebLi 数据集上预训练。 |
siglip_so400m_patch14_384 | SigLIP | 877.96M | 8.77亿参数,图像大小 384,形状优化版本,在 WebLi 数据集上预训练。 |
siglip2_large_patch16_256 | SigLIP | 881.53M | 8.81亿参数,patch 大小 16,图像大小 256,在 WebLi 数据集上预训练。 |
siglip2_large_patch16_384 | SigLIP | 881.86M | 8.81亿参数,patch 大小 16,图像大小 384,在 WebLi 数据集上预训练。 |
siglip2_large_patch16_512 | SigLIP | 882.31M | 8.82亿参数,patch 大小 16,图像大小 512,在 WebLi 数据集上预训练。 |
siglip_so400m_patch16_256_i18n | SigLIP | 1.13B | 11亿参数,图像大小 256,形状优化版本,在 WebLi 数据集上预训练。 |
siglip2_so400m_patch14_224 | SigLIP | 1.14B | 11亿参数,patch 大小 14,图像大小 224,形状优化版本,在 WebLi 数据集上预训练。 |
siglip2_so400m_patch16_256 | SigLIP | 1.14B | 11亿参数,patch 大小 16,图像大小 256,形状优化版本,在 WebLi 数据集上预训练。 |
siglip2_so400m_patch14_384 | SigLIP | 1.14B | 11亿参数,patch 大小 14,图像大小 224,形状优化版本,在 WebLi 数据集上预训练。 |
siglip2_so400m_patch16_384 | SigLIP | 1.14B | 11亿参数,patch 大小 16,图像大小 384,形状优化版本,在 WebLi 数据集上预训练。 |
siglip2_so400m_patch16_512 | SigLIP | 1.14B | 11亿参数,patch 大小 16,图像大小 512,形状优化版本,在 WebLi 数据集上预训练。 |
siglip2_giant_opt_patch16_256 | SigLIP | 1.87B | 18亿参数,patch 大小 16,图像大小 256,在 WebLi 数据集上预训练。 |
siglip2_giant_opt_patch16_384 | SigLIP | 1.87B | 18亿参数,patch 大小 16,图像大小 384,在 WebLi 数据集上预训练。 |
stable_diffusion_3_medium | Stable Diffusion 3 | 2.99B | 30亿参数,包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型和 VAE 自编码器。由 Stability AI 开发。 |
stable_diffusion_3.5_medium | Stable Diffusion 3 | 3.37B | 30亿参数,包括 CLIP L 和 CLIP G 文本编码器、MMDiT-X 生成模型和 VAE 自编码器。由 Stability AI 开发。 |
stable_diffusion_3.5_large | Stable Diffusion 3 | 9.05B | 90亿参数,包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型和 VAE 自编码器。由 Stability AI 开发。 |
stable_diffusion_3.5_large_turbo | Stable Diffusion 3 | 9.05B | 90亿参数,包括 CLIP L 和 CLIP G 文本编码器、MMDiT 生成模型和 VAE 自编码器。一个时间步蒸馏版本,消除了无分类器指导,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) 数据集上训练。 |
t5_base_multi | T5 | 0 | 12层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 数据集上训练。 |
t5_large_multi | T5 | 0 | 24层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 数据集上训练。 |
flan_small_multi | T5 | 0 | 8层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 数据集上训练。 |
flan_base_multi | T5 | 0 | 12层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 数据集上训练。 |
flan_large_multi | T5 | 0 | 24层 T5 模型。在 Colossal Clean Crawled Corpus (C4) 数据集上训练。 |
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 | |
vgg_11_imagenet | VGG | 9.22M | 11层 VGG 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
vgg_13_imagenet | VGG | 9.40M | 13层 VGG 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
vgg_16_imagenet | VGG | 14.71M | 16层 VGG 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
vgg_19_imagenet | VGG | 20.02M | 19层 VGG 模型,在 ImageNet 1k 数据集上以 224x224 分辨率预训练。 |
vit_base_patch16_224_imagenet | ViT | 85.80M | ViT-B16 模型,在 ImageNet 1k 数据集上以 224x224 图像分辨率预训练。 |
vit_base_patch16_224_imagenet21k | ViT | 85.80M | ViT-B16 主干网络,在 ImageNet 21k 数据集上以 224x224 图像分辨率预训练。 |
vit_base_patch16_384_imagenet | ViT | 86.09M | ViT-B16 模型,在 ImageNet 1k 数据集上以 384x384 图像分辨率预训练。 |
vit_base_patch32_224_imagenet21k | ViT | 87.46M | ViT-B32 主干网络,在 ImageNet 21k 数据集上以 224x224 图像分辨率预训练。 |
vit_base_patch32_384_imagenet | ViT | 87.53M | ViT-B32 模型,在 ImageNet 1k 数据集上以 384x384 图像分辨率预训练。 |
vit_large_patch16_224_imagenet | ViT | 303.30M | ViT-L16 模型,在 ImageNet 1k 数据集上以 224x224 图像分辨率预训练。 |
vit_large_patch16_224_imagenet21k | ViT | 303.30M | ViT-L16 主干网络,在 ImageNet 21k 数据集上以 224x224 图像分辨率预训练。 |
vit_large_patch16_384_imagenet | ViT | 303.69M | ViT-L16 模型,在 ImageNet 1k 数据集上以 384x384 图像分辨率预训练。 |
vit_large_patch32_224_imagenet21k | ViT | 305.51M | ViT-L32 主干网络,在 ImageNet 21k 数据集上以 224x224 图像分辨率预训练。 |
vit_large_patch32_384_imagenet | ViT | 305.61M | ViT-L32 模型,在 ImageNet 1k 数据集上以 384x384 图像分辨率预训练。 |
vit_huge_patch14_224_imagenet21k | ViT | 630.76M | ViT-H14 主干网络,在 ImageNet 21k 数据集上以 224x224 图像分辨率预训练。 |
whisper_tiny_en | Whisper | 37.18M | 4层 Whisper 模型。在 438,000 小时带标签的英文语音数据上训练。 |
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 小时带标签的英文语音数据上训练。 |
whisper_small_en | Whisper | 241.73M | 12层 Whisper 模型。在 438,000 小时带标签的英文语音数据上训练。 |
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 小时带标签的英文语音数据上训练。 |
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。是 whisper_large_multi 的改进版本。 |
xlm_roberta_base_multi | XLMRoberta | 277.45M | 12层 XLM-RoBERTa 模型,保留大小写。在 CommonCrawl 数据集上以100种语言训练。 |
xlm_roberta_large_multi | XLMRoberta | 558.84M | 24层 XLM-RoBERTa 模型,保留大小写。在 CommonCrawl 数据集上以100种语言训练。 |