--- title: ModelZoo-PyTorch-36个随版本演进模型-模型库-ModelZoo-昇腾社区 description: 目前ModelZoo-PyTorch随版本演进模型共有36个，这份文档对这些做了汇总以方便查看。使用经典模型时请优先使用该范围内模型。 keywords: ModelZoo,PyTorch,个随版本演进,模型库,昇腾社区,模型,欢迎使用,如何贡献 url: https://www.hiascend.com/software/modelzoo/models/detail/be13f47d41ba491491ea72e98e870df4 section: (其他) --- # ModelZoo-PyTorch-36个随版本演进模型-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/be13f47d41ba491491ea72e98e870df4 描述: 目前ModelZoo-PyTorch随版本演进模型共有36个，这份文档对这些做了汇总以方便查看。使用经典模型时请优先使用该范围内模型。 关键词: ModelZoo,PyTorch,个随版本演进,模型库,昇腾社区,模型,欢迎使用,如何贡献 ModelZoo主页 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/Documentation/overview/overview_0001.html)论坛交流 [了解详情](https://www.hiascend.com/forum/forum-0140120119986591009-1.html) 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/Documentation/overview/overview_0001.html)论坛交流 [了解详情](https://www.hiascend.com/forum/forum-0140120119986591009-1.html) 模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models) ModelZoo-PyTorch-36个随版本演进模型 ## ModelZoo-PyTorch-36个随版本演进模型 视觉分类PyTorch训练1462次浏览2026/01/19更新 5.0 获取源码 ModelZoo-PyTorch-36个随版本演进模型 查看模型源码 模型使用 版本信息 模型使用 版本信息 ... # 欢迎使用ModelZoo-PyTorch 为方便更多开发者使用ModelZoo-PyTorch，我们将持续增加典型网络和相关预训练模型。下面目录中我们罗列出一些重点模型。如果您有任何需求，请在modelzoo/issues [了解详情](https://gitee.com/ascend/modelzoo/issues)提交issue，我们会及时处理。 ## 如何贡献 在开始贡献之前，请先阅读CONTRIBUTING [了解详情](https://gitee.com/ascend/modelzoo/blob/master/CONTRIBUTING.md)。 谢谢！ ## 安装依赖 使用ModelZoo-PyTorch之前，请参考软件版本配套表 [了解详情](https://www.hiascend.com/#%E8%BD%AF%E4%BB%B6%E7%89%88%E6%9C%AC%E9%85%8D%E5%A5%97%E8%A1%A8)，安装最新昇腾软件栈。 | 依赖软件 | 软件安装指南 | | --- | ---| | 昇腾NPU驱动 | 《驱动固件安装指南》 | | 昇腾NPU固件 | | | Toolkit（开发套件） | 《CANN 软件安装指南》 | | Kernel（算子包） | | | NNAL（Ascend Transformer Boost加速库） | | | PyTorch | 《Ascend Extension for PyTorch 配置与安装》 | | torch_npu插件 | | | apex | | ## 软件版本配套表 💡 使用ModelZoo-PyTorch中的PyTorch训练模型前，请先确认PyTorch和CANN版本，然后匹配对应的PyTorch Extension、HDK和Python版本。 💡 版本配套表在不同模型中的应用策略可能不一致，详情参考维护策略 [了解详情](https://www.hiascend.com/#%E7%BB%B4%E6%8A%A4%E7%AD%96%E7%95%A5)。 版本配套表地址：链接 [了解详情](https://gitee.com/ascend/pytorch#%E6%98%87%E8%85%BE%E8%BE%85%E5%8A%A9%E8%BD%AF%E4%BB%B6)。 ## 硬件配套表 昇腾训练设备包含以下型号，都可作为PyTorch模型的训练环境。 硬件配套表：链接 [了解详情](https://gitee.com/ascend/pytorch#%E7%A1%AC%E4%BB%B6%E9%85%8D%E5%A5%97) ## 维护策略 💡 ModelZoo-PyTorch中的模型区分为随版本演进模型和不随版本演进模型。 - 针对随版本演进模型：请跟随版本配套表，选择最新版本使用。 - 针对不随版本演进模型：这些模型已不随PyTorch和PyTorch Extension的版本演进，您可以选择以下策略。 - 可根据对应模型的README选择对应PyTorch、PyTorch Extension、CANN、HDK版本使用。 - 如您对该模型有新版本PyTorch、PyTorch Extension、CANN、HDK的适配需求，可在modelzoo/issues [了解详情](https://gitee.com/ascend/modelzoo/issues)提交issue，我们会及时处理。 ## 范围界定 ### 随版本演进模型 - albert_ID0335_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/nlp/albert_ID0335_for_PyTorch) - Bert_Chinese_ID3433_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/nlp/Bert_Chinese_ID3433_for_PyTorch) - BERT-NER-Pytorch(FP32) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/nlp/BERT-NER-Pytorch) - Bert-Base-Squad_ID0470_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/nlp/Bert-Squad_ID0470_for_PyTorch) - Bert-Large-Squad_ID0470_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/nlp/Bert-Squad_ID0470_for_PyTorch) - Bert-Large-Squad_ID0470_for_PyTorch(FP32) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/nlp/Bert-Squad_ID0470_for_PyTorch) - Conformer(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/audio/Wenet_Conformer_for_Pytorch) - CRNN_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/cv/classification/CRNN_for_PyTorch) - DB_ID0706_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/cv/detection/DB_ID0706_for_PyTorch) - DeeplabV3_for_Pytorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/cv/semantic_segmentation/DeeplabV3_for_Pytorch) - EfficientNetV2_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/cv/classification/EfficientNetV2_for_PyTorch) - ESPnet2_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/audio/ESPnet2_for_PyTorch) - ESPnet2_for_PyTorch(FP32) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/audio/ESPnet2_for_PyTorch) - Fairseq_Transformer_wmt18_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/nlp/Fairseq_Transformer_wmt18_for_PyTorch) - Fairseq_Transformer_wmt18_for_PyTorch(FP32) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/nlp/Fairseq_Transformer_wmt18_for_PyTorch) - Faster_Mask_RCNN_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/cv/detection/Faster_Mask_RCNN_for_PyTorch) - Faster_Mask_RCNN_for_PyTorch(HF32) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/cv/detection/Faster_Mask_RCNN_for_PyTorch) - HRNet_ID1780_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/cv/classification/HRNet_ID1780_for_PyTorch) - HRNet_ID1780_for_PyTorch(HF32) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/cv/classification/HRNet_ID1780_for_PyTorch) - InceptionV3_ID1596_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/cv/classification/InceptionV3_ID1596_for_PyTorch) - Lightweight_OpenPose(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/cv/pose_estimation/Lightweight_OpenPose) - MAE_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/cv/classification/MAE_for_PyTorch) - MAE_Fine_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/cv/classification/MAE_for_PyTorch) - MAPPO_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/rl/MAPPO_for_PyTorch) - MobileNetV3-Large_ID1784_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/cv/classification/MobileNetV3-Large_ID1784_for_PyTorch) - PPO_for_Pytorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/rl/PPO_for_Pytorch) - Resnet50_Cifar_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/cv/classification/Resnet50_Cifar_for_PyTorch) - ResNet50_ID4149_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/cv/classification/ResNet50_ID4149_for_PyTorch) - ResNet50_ID4149_for_PyTorch(FP32) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/cv/classification/ResNet50_ID4149_for_PyTorch) - ResNet50_ID4149_for_PyTorch(HF32) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/cv/classification/ResNet50_ID4149_for_PyTorch) - roberta_for_PyTorch(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/nlp/roberta_for_PyTorch) - ShuffleNetV2_iflytek_for_Pytorch(FP32) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/dev/perf/ShuffleNetV2_iflytek_for_Pytorch) - wav2vec2.0(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/audio/wav2vec2.0) - wav2vec2.0(FP32) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/contrib/audio/wav2vec2.0) - Wenet(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/audio/Wenet_Conformer_for_Pytorch) - whisper(FP16) [了解详情](https://gitee.com/ascend/ModelZoo-PyTorch/tree/master/PyTorch/built-in/audio/Wenet_Conformer_for_Pytorch) ### 不随版本演进模型 除以上随版本演进模型范围外，其余ModelZoo-PyTorch中的模型都界定为不随版本演进模型。 ## 安全声明 ### 运行用户建议 出于安全性及权限最小化角度考虑，不建议使用root等管理员类型账户使用。 ### 文件权限控制 1. 建议用户在主机（包括宿主机）及容器中设置运行系统umask值为0027及以上，保障新增文件夹默认最高权限为750，新增文件默认最高权限为640。 2. 建议用户对个人数据、商业资产、源文件、训练过程中保存的各类文件等敏感内容做好权限管控，管控权限可参考表1进行设置。 表1 文件（夹）各场景权限管控推荐最大值 | 类型 | linux权限参考最大值 | | --- | ---| | 用户主目录 | 750（rwxr-x---） | | 程序文件(含脚本文件、库文件等) | 550（r-xr-x---） | | 程序文件目录 | 550（r-xr-x---） | | 配置文件 | 640（rw-r-----） | | 配置文件目录 | 750（rwxr-x---） | | 日志文件(记录完毕或者已经归档) | 440（r--r-----） | | 日志文件(正在记录) | 640（rw-r-----） | | 日志文件目录 | 750（rwxr-x---） | | Debug文件 | 640（rw-r-----） | | Debug文件目录 | 750（rwxr-x---） | | 临时文件目录 | 750（rwxr-x---） | | 维护升级文件目录 | 770（rwxrwx---） | | 业务数据文件 | 640（rw-r-----） | | 业务数据文件目录 | 750（rwxr-x---） | | 密钥组件、私钥、证书、密文文件目录 | 700（rwx—----） | | 密钥组件、私钥、证书、加密密文 | 600（rw-------） | | 加解密接口、加解密脚本 | 500（r-x------） | ### 运行安全声明 1. 建议用户结合运行环境资源状况编写对应训练脚本。若训练脚本与资源状况不匹配，如数据集加载内存大小超出内存容量限制、训练脚本在本地生成数据超过磁盘空间大小等情况，可能引发错误并导致进程意外退出。 ### 公网地址声明 详见各模型目录下的public_address_statement.md ## 免责声明 ### 致ModelZoo使用者 1. ModelZoo提供的模型仅供您用于非商业目的。 2. 对于各模型，ModelZoo平台仅提示性地向您建议可用于训练的数据集，华为不提供任何数据集，如您使用这些数据集进行训练，请您特别注意应遵守对应数据集的License，如您因使用数据集而产生侵权纠纷，华为不承担任何责任。 3. 如您在使用ModelZoo模型过程中，发现任何问题（包括但不限于功能问题、合规问题），请在Gitee提交issue，我们将及时审视并解决。 ### 致数据集所有者 如果您不希望您的数据集在ModelZoo中的模型被提及，或希望更新ModelZoo中的模型关于您的数据集的描述，请在Gitee提交issue，我们将根据您的issue要求删除或更新您的数据集描述。衷心感谢您对ModelZoo的理解和贡献。 ### License声明 Ascend ModelZoo提供的模型，如模型目录下存在License的，以该License为准。如模型目录下不存在License的，以Apache 2.0许可证许可，对应许可证文本可查阅Ascend ModelZoo根目录。 | 版本 | 更新时间 | 精度 | 处理器 | CANN版本 | 操作 | | --- | --- | --- | --- | --- | ---| | 6.0.0 | 2025/03/25 | FP32 | Ascend 910B | 8.0.0 | ModelZoo-PyTorch | 使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》 [了解详情](https://www.hiascend.com/legal/modelzoo_models_license)