PyTorch图像分类模型及相关脚本、预训练权重集合（python源码）。

简介：
PyTorch 的图像模型、脚本以及预训练权重涵盖了广泛的选择，包括 (SE)ResNet/ResNeXT、DPN、EfficientNet、MixNet、MobileNet-V3/V2/V1、MNASNet、Single-Path NAS、FBNet 等等。这些资源于 2020 年 6 月 11 日进行了更新。 此次更新包含一系列重要的改进和新增功能：DenseNet 模型得到了优化，修复了一个先前存在的内存效率问题；同时，增加了模糊池和深干添加 (VoVNet) 的支持，并训练了 39 个 V2 变体（ese_vovnet_39b），其 top-1 激活率达到了 79.3%。此外，还引入了新的激活函数，在模型构建阶段提供选择权，从而能够更灵活地适应脚本或跟踪工具（例如 ONNX 导出）。 为了增强模型的可用性，实验性地添加了内存高效的梯度计算 (grad) 以及 ME hard_swish 函数。 上下文管理器 (context mgr) 被引入，用于控制可导出的状态，支持导出到脚本或禁用 JIT 编译。 DenseNet 和 VoVNet 模型现在也具备初始的上下文层支持。