一个轻量级的RDNet图像分类模型，在ImageNet-1k数据集上训练，参数量24M，top-1准确率82.8%。

LSNet是一个受人类视觉系统动态异尺度能力启发的轻量级视觉模型家族，在多种视觉任务中实现了性能与效率的平衡。

Hiera是一种分层式视觉Transformer模型，兼具快速、强大且简洁的特点，在广泛图像与视频任务中超越现有技术水平的同时显著提升了运行速度。

EfficientNet是一款移动端友好的纯卷积模型，通过复合系数统一缩放深度/宽度/分辨率维度，在ImageNet-1k数据集上训练

EfficientNet是一种对移动设备友好的纯卷积模型，通过复合系数统一缩放深度/宽度/分辨率维度，在ImageNet-1k数据集上训练。

EfficientNet是一款移动端友好的纯卷积神经网络，通过复合系数统一调整深度/宽度/分辨率维度，实现高效缩放

EfficientNet是一种移动端友好的纯卷积模型，通过复合系数统一缩放深度/宽度/分辨率维度，在图像分类任务中表现优异。

EfficientNetV2 是一个高效的卷积神经网络架构，特别优化了训练速度和参数效率。

LeViT-128S是基于ImageNet-1k数据集预训练的视觉Transformer模型，结合了卷积网络的优势以实现更快推理。

LeViT-192是一种结合了卷积神经网络和Transformer架构的视觉模型，专注于图像分类任务。

LeViT-384是基于ImageNet-1k数据集预训练的视觉Transformer模型，结合了卷积网络的优势以实现更快的推理速度。

基于imagenet-1k训练的RegNet图像分类模型，通过神经架构搜索设计的高效网络结构

ReXNet-1.5x 是一个基于 ImageNette 数据集预训练的轻量级图像分类模型，采用 ReXNet 架构，通过改进残差块中的 Squeeze-Excitation 层来减少通道冗余。

DeiT是一种高效训练的视觉Transformer模型，在ImageNet-1k数据集上预训练和微调，适用于图像分类任务。

ReXNet-1.3x是基于ReXNet架构的图像分类模型，在ImageNette数据集上进行了预训练。