模型发现与浏览
首页按模型条目展示可供研究的预训练模型，覆盖图像分类、目标检测、图像分割、视频分类、语音合成与识别、自然语言处理、生成模型等多个方向。
价格官网未标价
平台Web
归类大模型与开发平台
收录2026-10-11
复核2026-10-11
编辑评分
4.1 / 5
★★★★☆
PyTorch Hub编辑总结
PyTorch Hub 是 PyTorch 官方提供的预训练模型仓库，用于发现和发布模型，定位是服务研究探索。它汇集了自然语言处理、计算机视觉、语音、生成模型等多个方向的模型，既有 ResNet、AlexNet、YOLOv5 这类经典视觉模型，也有 PyTorch-Transformers、Silero 语音系列、HiFi GAN 等。当前为 beta 版本，表示会持续收集反馈并改进。官网未公开定价与额度信息。
PyTorch Hub是什么？
PyTorch Hub 是由 PyTorch 官方维护的预训练模型仓库，面向研究人员和开发者，用于探索和扩展来自前沿研究的模型。它的核心用途有两个：发现现成可用的预训练模型，以及把自己训练的模型发布到这个仓库中。
从收录内容看，覆盖方向比较广。视觉方向包括 ResNet 系列、AlexNet、DenseNet、GoogLeNet、Inception_v3、MobileNet v2、ShuffleNet v2、EfficientNet、GPUNet、GhostNet、Wide ResNet、ResNeSt 等图像分类网络，以及 YOLOv5、SSD、YOLOP、Deeplabv3、FCN 等检测与分割模型。视频方向有 3D ResNet、SlowFast、X3D，均在 Kinetics 400 数据集上预训练。语音方向有 Tacotron 2、FastPitch 2、WaveGlow、HiFi GAN 以及 Silero 的语音活动检测、语音转文字和文字转语音模型。自然语言处理方向有 PyTorch-Transformers、RoBERTa 和用于英法、英德翻译的 Transformer 模型。生成模型方向有 DCGAN on FashionGen 等。
官方明确标注这是一个 beta 版本，表示会在接下来的几个月中收集反馈并持续改进。
PyTorch Hub核心功能
PyTorch-Transformers
收录常见自然语言处理 Transformer 的 PyTorch 实现，可用于文本相关任务的研究与实验。
YOLOv5
Ultralytics 的 YOLOv5，支持目标检测、实例分割和图像分类三类任务，在同一个模型体系内覆盖多种视觉识别需求。
经典视觉模型集合
包含 ResNet、ResNext、DenseNet、GoogLeNet、Inception_v3、MobileNet v2、ShuffleNet v2、EfficientNet、GhostNet 等，部分在 ImageNet 上预训练，部分使用 Tensor Cores 混合精度训练。
视频分类模型
3D ResNet、SlowFast、X3D 三组视频分类网络，均在 Kinetics 400 数据集上预训练，可直接用于视频理解方向的研究。
语音处理系列
Tacotron 2、FastPitch 2 负责从文本生成梅尔频谱，WaveGlow、HiFi GAN 负责从梅尔频谱生成波形；Silero 提供语音活动检测、语音转文字与文字转语音的预训练模型。
模型发布与贡献
除浏览外，仓库也支持发布模型，官方提供了 Contribute Models 入口，研究者可将自己的预训练模型提交到仓库中供他人使用。
PyTorch Hub适合谁用？
AI 方向研究人员
推荐需要快速获取多方向预训练模型做对比实验或迁移学习，仓库覆盖视觉、语音、NLP、生成模型，且定位就是研究探索。
PyTorch 生态开发者
推荐已在用 PyTorch 框架，想直接调用现成模型而不用自行复现，可以从仓库里挑对应任务的条目接入。
想发布模型的研究者
推荐官方有 Contribute Models 入口，可把自己的预训练模型提交到仓库，借助 PyTorch 官方渠道分发。
生产环境选型团队
有条件仓库自我定位是研究探索，且明确标注为 beta 版本，长期稳定性与商用支持条件官网未说明，生产部署前需自行评估。
PyTorch Hub优点和缺点
优点
- 由 PyTorch 官方维护，模型条目与框架生态直接对齐
- 覆盖视觉、语音、NLP、生成模型等多个方向，可一站查找
- 同时支持发现模型与发布模型，研究者可双向使用
- 部分模型使用 Tensor Cores 混合精度训练，如 ResNet50
- 视频分类模型在 Kinetics 400 数据集上预训练
缺点
- 为 beta 版本，仍在收集反馈与改进
- 官网未说明商用授权与使用限制
PyTorch Hub常见问题
PyTorch Hub 是免费的吗？＋
。首页只介绍了模型发现与发布功能、收录的模型条目以及 beta 状态说明，没有出现任何价格或免费额度的文字。
现在收录了哪些方向的模型？＋
覆盖图像分类如 ResNet、AlexNet、EfficientNet、MobileNet v2，目标检测与分割如 YOLOv5、SSD、Deeplabv3，视频分类如 3D ResNet、SlowFast、X3D，语音如 Tacotron 2、WaveGlow、Silero 系列，自然语言处理如 PyTorch-Transformers、RoBERTa，以及 DCGAN 等生成模型。
我可以把自己的模型发布上去吗？＋
可以。首页提供 Contribute Models 入口，仓库定位除发现模型外也支持发布模型，面向希望把预训练模型开放给研究社区的使用者。另有 How It Works 说明与面向研究者的模型列表。
它是正式版本吗？＋
不是。在首页明确标注这是 beta 版本，并表示会在接下来的几个月中收集反馈并改进 PyTorch Hub。使用前需要把这一点纳入考虑。
视频分类模型是在什么数据上训练的？＋
3D ResNet、SlowFast、X3D 三组视频分类网络均在 Kinetics 400 数据集上预训练。
PyTorch Hub竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| PyTorch Hub本工具 | 4.1 | 未标价 | 模型发现与浏览；PyTorch-Transformers；YOLOv5；经典视觉模型集合 | Web |
| PyTorch | — | 未标价 | PyTorch 是一个开源深度学习框架，提供了丰富的工具和库，支持计算机视觉、自然语言处理 | Web / Linux / Mac |
| YOLO-NAS Pose | — | 未标价 | 一款用于训练 PyTorch 计算机视觉模型的开源库 | Web |
| Qwen2 | — | 未标价 | 新一代多语言预训练模型，性能卓越 | — |
| timesfm-2.0-500m-pytorch | — | 未标价 | 由 Google Research 开发的预训练时间序列预测模型 | — |
| GLM-4-9B | — | 未标价 | 新一代开源预训练模型，支持多语言和高级功能 | — |
