# ImageNet預訓練

這是一個基於ImageNet-1k數據集訓練的KL16變分自編碼器(VAE)模型，用於圖像到圖像的轉換任務。

基於DINOv2方法訓練的小型視覺Transformer模型，適用於圖像特徵提取和分類任務

金字塔視覺變換器（PVT）是一種基於變換器架構的視覺模型，專為圖像分類任務設計。

EfficientNet是一款移動端友好的純卷積模型，通過複合係數統一縮放深度/寬度/分辨率維度，在ImageNet-1k數據集上訓練

EfficientNet是一種對移動設備友好的純卷積模型，通過複合係數統一縮放深度/寬度/分辨率維度，在ImageNet-1k數據集上訓練。

EfficientNet是一款移動端友好的純卷積模型，通過複合係數統一調整深度、寬度和分辨率維度，在ImageNet-1k數據集上訓練而成。

EfficientNet是一款移動端友好的純卷積神經網絡，通過複合係數統一調整深度/寬度/分辨率維度，實現高效縮放

EfficientNet是一種移動端友好的純卷積模型，通過複合係數統一縮放深度/寬度/分辨率維度，在圖像分類任務中表現優異。

EfficientNet是一款移動端友好的純卷積神經網絡，通過複合係數統一調整深度/寬度/分辨率維度，實現高效縮放。

EfficientNet是一款移動端友好的純卷積模型，通過複合係數統一縮放深度/寬度/分辨率維度，在ImageNet-1k數據集上訓練。

EfficientFormer-L3是由Snap Research開發的輕量級視覺Transformer模型，專為移動設備優化，在保持高性能的同時實現低延遲。

基於ConvNeXt-V2的自監督特徵表示模型，採用全卷積掩碼自編碼器框架(FCMAE)進行預訓練

基於自監督DINO方法訓練的視覺Transformer（ViT）圖像特徵模型，適用於圖像分類和特徵提取任務。

NAT-Mini 是基於鄰域注意力機制的輕量級視覺Transformer模型，專為ImageNet圖像分類任務設計

MobileNet V2是一種小型、低延遲、低功耗的視覺模型，專為移動設備優化設計

MobileNet V2是一種輕量級的卷積神經網絡，專為移動設備設計，在圖像分類任務中表現出色。

MobileNet V2是一種輕量級卷積神經網絡，專為移動設備設計，在圖像分類任務中表現優異。

MobileNet V1是一種輕量級卷積神經網絡，專為移動和嵌入式視覺應用設計，在ImageNet-1k數據集上預訓練。

LeViT-128S是基於ImageNet-1k數據集預訓練的視覺Transformer模型，結合了卷積網絡的優勢以實現更快推理。

LeViT-128是一個基於視覺Transformer架構的圖像分類模型，通過結合卷積網絡的優勢實現高效推理。

LeViT-256是基於Transformer架構的高效視覺模型，專為快速推理設計，在ImageNet-1k數據集上預訓練。

LeViT-384是基於ImageNet-1k數據集預訓練的視覺Transformer模型，結合了卷積網絡的優勢以實現更快的推理速度。

MobileViT是一種輕量級、低延遲的視覺Transformer模型，結合了CNN和Transformer的優勢，適用於移動端設備。

MobileViT是一種輕量級、低延遲的視覺Transformer模型，結合了CNN和Transformer的優勢，適用於移動端設備。

Data2Vec-Vision是基於BEiT架構的自監督學習模型，在ImageNet-1k數據集上預訓練，適用於圖像分類任務。

Data2Vec-Vision是基於BEiT架構的自監督學習模型，在ImageNet-1k數據集上預訓練，適用於圖像分類任務。

CvT-21是基於ImageNet-1k數據集預訓練的視覺變換器模型，通過引入卷積操作改進傳統視覺變換器。

CvT-21是基於卷積視覺變換器架構的圖像分類模型，在ImageNet-1k數據集上以384x384分辨率預訓練。

CvT-13是基於ImageNet-1k數據集預訓練的視覺變換器模型，通過引入卷積操作改進了傳統視覺變換器的性能。

基於imagenet-1k訓練的RegNet圖像分類模型，通過神經架構搜索設計的高效網絡結構

基於imagenet-1k數據集訓練的RegNet模型，通過神經架構搜索設計的高效視覺模型

基於ImageNet-1k訓練的RegNet圖像分類模型，採用神經架構搜索技術設計

基於imagenet-1k訓練的RegNet模型，通過神經架構搜索設計的高效視覺模型

基於imagenet-1k訓練的RegNet模型，通過神經架構搜索設計的高效視覺模型

基於imagenet-1k訓練的RegNet圖像分類模型，通過神經架構搜索設計的高效網絡結構

基於ImageNet-1k訓練的RegNet模型，通過神經架構搜索設計的高效視覺模型

基於ImageNet-1k訓練的RegNet模型，通過神經架構搜索設計的高效視覺模型

RegNet是一種通過神經架構搜索設計的圖像分類模型，在imagenet-1k數據集上訓練。

RegNet是基於imagenet-1k訓練的視覺分類模型，通過神經架構搜索(NAS)設計的高效網絡結構

基於imagenet-1k訓練的RegNet模型，通過神經架構搜索設計的高效視覺模型