该模型集合以图像作为输入，然后将图像中的主要对象分类到 1000 个对象类别中，例如键盘、鼠标、铅笔以及许多动物。

模型类别	参考文献	描述	Huggingface Spaces
MobileNet	Sandler et al.	适用于移动和嵌入式视觉应用的轻量级深度神经网络。 论文中的 Top-5 错误率 - 约 10%
ResNet	He et al.	一种 CNN 模型（多达 152 层）。使用快捷连接（shortcut connections）在图像分类时实现更高的准确率。 论文中的 Top-5 错误率 - 约 3.6%
SqueezeNet	Iandola et al.	一种轻量级 CNN 模型，以 50 倍更少的参数提供 AlexNet 级别的准确率。 论文中的 Top-5 错误率 - 约 20%
VGG	Simonyan et al.	深度 CNN 模型（多达 19 层）。类似于 AlexNet，但使用多个较小内核尺寸的滤波器，在图像分类时提供更高的准确率。 论文中的 Top-5 错误率 - 约 8%
AlexNet	Krizhevsky et al.	一种深度 CNN 模型（多达 8 层），输入为图像，输出为 1000 个数字的向量。 论文中的 Top-5 错误率 - 约 15%
GoogleNet	Szegedy et al.	深度 CNN 模型（多达 22 层）。与 VGG 相比更小、更快，在细节表现上比 AlexNet 更准确。 论文中的 Top-5 错误率 - 约 6.7%
CaffeNet	Krizhevsky et al.	Caffe 中用于图像分类的 AlexNet 深度 CNN 变体，其中最大池化（max pooling）位于局部响应归一化（LRN）之前，从而减少 LRN 的计算和内存开销。	[
RCNN_ILSVRC13	Girshick et al.	R-CNN 用于图像分类的纯 Caffe 实现。该模型利用区域定位来对图像进行分类并提取特征。
DenseNet-121	Huang et al.	一种每一层都与其他所有层相连并传递自身特征的模型，提供强大的梯度流和更多样化的特征。
Inception_V1	Szegedy et al.	该模型与 GoogLeNet 相同，通过 Caffe2 实现，改进了网络内部计算资源的利用率，并有助于解决梯度消失问题。 论文中的 Top-5 错误率 - 约 6.7%
Inception_V2	Szegedy et al.	作为 Inception v1 的改进版本，引入了批量归一化（batch normalization）的用于图像分类的深度 CNN 模型。与 Inception v1 相比，该模型降低了计算成本并提高了图像分辨率。 论文中的 Top-5 错误率 约 4.82%
ShuffleNet_V1	Zhang et al.	专为移动设备设计的计算效率极高的 CNN 模型。该模型大幅降低了计算成本，并在基于 ARM 的移动设备上相比 AlexNet 提供了约 13 倍的加速。与 MobileNet 相比，ShuffleNet 凭借其高效的结构，以显著的优势实现了更优越的性能。 论文中的 Top-1 错误率 - 约 32.6%
ShuffleNet_V2	Zhang et al.	专为移动设备设计的计算效率极高的 CNN 模型。该网络架构设计考虑了速度等直接指标，而非 FLOP 等间接指标。 论文中的 Top-1 错误率 - 约 30.6%
ZFNet-512	Zeiler et al.	深层 CNN 模型（多达 8 层），增加了网络能够检测的特征数量，有助于在更细的分辨率级别上提取图像特征。 论文中的 Top-5 错误率 - 约 14.3%
EfficientNet-Lite4	Tan et al.	计算量和参数量仅为几个数量级的 CNN 模型，同时仍实现了最先进的准确率，并且比之前的 ConvNets 具有更好的效率。 论文中的 Top-5 错误率 - 约 2.9%

该模型子集针对特定领域和数据集对图像进行分类。

目标检测模型检测图像中多个对象的存在，并分割出检测到对象的图像区域。语义分割模型通过将每个像素标记为一组预定义类别来对输入图像进行划分。

模型类别	参考文献	描述	Hugging Face Spaces
Tiny YOLOv2	Redmon et al.	一种用于目标检测的实时 CNN，可检测 20 个不同的类别。它是更复杂的完整 YOLOv2 网络的较小版本。
SSD	Liu et al.	单阶段检测器：一种用于目标检测的实时 CNN，可检测 80 个不同的类别。
SSD-MobileNetV1	Howard et al.	MobileNet 的一种变体，使用单发检测器（SSD）模型框架。该模型可检测 80 个不同的目标类别，并在图像中定位多达 10 个对象。
Faster-RCNN	Ren et al.	通过将 RPN 与 CNN 连接，提高了 R-CNN 的效率，创建了一个用于目标检测的统一网络，可检测 80 个不同的类别。
Mask-RCNN	He et al.	一种用于目标实例分割的实时神经网络，可检测 80 个不同的类别。扩展了 Faster R-CNN，因为选定的 300 个 ROI 中的每一个都通过网络的 3 个并行分支：标签预测、边界框预测和掩码预测。
RetinaNet	Lin et al.	一种用于目标检测的实时密集检测器网络，通过 Focal Loss 解决类别不平衡问题。RetinaNet 能够匹配先前单阶段检测器的速度，并定义了两阶段检测器的最先进水平（超越 R-CNN）。
YOLO v2-coco	Redmon et al.	一种用于实时目标检测系统的 CNN 模型，可检测超过 9000 个物体类别。它使用单一网络评估，使其比 R-CNN 快 1000 倍以上，比 Faster R-CNN 快 100 倍。该模型使用 COCO 数据集训练，包含 80 个类别。
YOLO v3	Redmon et al.	一种用于实时目标检测的深度 CNN 模型，可检测 80 个不同类别。比 YOLOv2 稍大，但速度仍然很快。精度与 SSD 相当，但速度快 3 倍。
Tiny YOLOv3	Redmon et al.	YOLOv3 模型的较小版本。
YOLOv4	Bochkovskiy et al.	优化了目标检测的速度和精度。比 EfficientDet 快两倍。它将 YOLOv3 的 AP 和 FPS 分别提高了 10% 和 12%，在 COCO 2017 数据集上的 mAP50 为 52.32，在 Tesla V100 上的 FPS 为 41.7。
DUC	Wang et al.	基于深度 CNN 的逐像素语义分割模型，mIOU（平均交并比）>80%。在 cityscapes 数据集上训练，可有效应用于自动驾驶车辆系统。
FCN	Long et al.	基于深度 CNN 的分割模型，端到端、逐像素训练，产生高效的推理和学习。基于 AlexNet、VGG net、GoogLeNet 分类方法构建。 contribute

面部检测模型用于在给定图像中识别和/或识别人脸及情绪。身体与手势分析模型用于在给定图像中识别性别和年龄。

模型类别	参考文献	描述	Hugging Face Spaces
ArcFace	Deng et al.	一种基于 CNN 的人脸识别模型，学习人脸的判别性特征并为输入的人脸图像生成嵌入向量。
UltraFace	Ultra-lightweight face detection model	该模型是一种轻量级人脸检测模型，专为边缘计算设备设计。
Emotion FerPlus	Barsoum et al.	一种在人脸图像上训练的用于情绪识别的深度 CNN。
Age and Gender Classification using Convolutional Neural Networks	Rothe et al.	即使学习数据量有限，该模型也能准确分类性别和年龄。

图像操作模型使用神经网络将输入图像转换为修改后的输出图像。该类别中一些流行的模型涉及风格迁移或通过提高分辨率来增强图像。

模型类别	参考文献	描述	Hugging Face Spaces
使用循环一致性对抗网络的无配对图像到图像翻译	Zhu et al.	该模型利用学习在缺乏配对样本的情况下，将图像从源域 X 翻译到目标域 Y。 contribute
使用子像素 CNN 的超分辨率	Shi et al.	一种使用子像素卷积层对输入图像进行上采样的深度 CNN。
快速神经风格迁移	Johnson et al.	该方法使用为图像分类预训练的损失网络来定义感知损失函数，以测量图像之间内容和风格的感知差异。损失网络在训练过程中保持固定。

此类模型使用音频数据来训练能够识别语音、生成音乐甚至朗读文本的模型。

自然语言处理模型的一个子集，用于回答关于给定上下文段落的问题。

模型类别	参考文献	描述	Hugging Face Spaces
Bidirectional Attention Flow	Seo et al.	一个针对给定上下文段落回答查询的模型。
BERT-Squad	Devlin et al.	该模型基于给定输入段落的上下文回答问题。
RoBERTa	Liu et al.	一个基于大型 Transformer 的模型，根据给定的输入文本预测情感。
GPT-2	Radford et al.	一个基于大型 Transformer 的语言模型，给定文本中的一些词序列，预测下一个词。
T5	Raffel et al.	一个基于大型 Transformer 的语言模型，通过同时训练多个任务来实现对提示词更好的语义理解，能够进行情感分析、问答、相似度检测、翻译、摘要等。

这类自然语言处理模型学习如何将输入文本翻译成另一种语言。

自然语言处理模型的这一子集从大型文本语料库中学习语言的表示。

自然语言处理模型的这一子集使用输入图像来回答关于这些图像的问题。

每个 ONNX 后端都应支持开箱即用地运行这些模型。下载并解压每个模型的 tarball 后，您将找到：

• 一个表示序列化 ONNX 模型的 protobuf 文件 model.onnx。
• 测试数据（以序列化 protobuf TensorProto 文件或序列化 NumPy 归档的形式）。

用法 - 测试数据入门代码

测试数据文件可用于验证来自 Model Zoo 的 ONNX 模型。我们提供了以下接口示例供您入门使用。请将代码中的 onnx_backend 替换为您选择的、支持 ONNX 推理的相应框架，并同样将 backend.run_model 替换为该框架的模型评估逻辑。

测试数据文件有两种不同的格式：

• 序列化的 protobuf TensorProtos（.pb），存储在遵循命名约定 test_data_set_* 的文件夹中。

import numpy as np
import onnx
import os
import glob
import onnx_backend as backend

from onnx import numpy_helper

model = onnx.load('model.onnx')
test_data_dir = 'test_data_set_0'

# Load inputs
inputs = []
inputs_num = len(glob.glob(os.path.join(test_data_dir, 'input_*.pb')))
for i in range(inputs_num):
    input_file = os.path.join(test_data_dir, 'input_{}.pb'.format(i))
    tensor = onnx.TensorProto()
    with open(input_file, 'rb') as f:
        tensor.ParseFromString(f.read())
    inputs.append(numpy_helper.to_array(tensor))

# Load reference outputs
ref_outputs = []
ref_outputs_num = len(glob.glob(os.path.join(test_data_dir, 'output_*.pb')))
for i in range(ref_outputs_num):
    output_file = os.path.join(test_data_dir, 'output_{}.pb'.format(i))
    tensor = onnx.TensorProto()
    with open(output_file, 'rb') as f:
        tensor.ParseFromString(f.read())
    ref_outputs.append(numpy_helper.to_array(tensor))

# Run the model on the backend
outputs = list(backend.run_model(model, inputs))

# Compare the results with reference outputs.
for ref_o, o in zip(ref_outputs, outputs):
    np.testing.assert_almost_equal(ref_o, o)

• 序列化的 Numpy 归档，存储于遵循命名约定 test_data_*.npz 的文件中。每个文件包含一组测试输入和输出。

import numpy as np
import onnx
import onnx_backend as backend

# Load the model and sample inputs and outputs
model = onnx.load(model_pb_path)
sample = np.load(npz_path, encoding='bytes')
inputs = list(sample['inputs'])
outputs = list(sample['outputs'])

# Run the model with an onnx backend and verify the results
np.testing.assert_almost_equal(outputs, backend.run_model(model, inputs))

用法 - 模型量化