Pytorch & 相关库

pytorch : 在 Python 中使用张量和动态神经网络，具有强大的 GPU 加速。
Captum : 用于 PyTorch 的模型可解释性和理解。

自然语言处理 & 语音处理:

pytorch text : 与 PyTorch 文本相关的资源。
pytorch-seq2seq : 一个用 PyTorch 实现的序列到序列（seq2seq）模型框架。
anuvada : 使用 PyTorch 实现的 NLP 可解释模型。
audio : PyTorch 的简单音频输入输出。
loop : 一种跨多个说话人生成语音的方法
fairseq-py : 由 Facebook AI Research 编写的 Python 序列到序列工具包。
speech : PyTorch ASR 实现。
OpenNMT-py : PyTorch 中的开源神经机器翻译 http://opennmt.net
neuralcoref : 基于神经网和 spaCy 的当前最先进的共指消解
sentiment-discovery : 大规模无监督语言建模，用于鲁棒的情感分类。
MUSE : 用于多语言无监督或监督词嵌入的库
nmtpytorch : PyTorch 中的神经机器翻译框架。
pytorch-wavenet : WaveNet 的快速生成实现
Tacotron-pytorch : Tacotron：面向端到端语音合成。
AllenNLP : 基于 PyTorch 的开源 NLP 研究库。
PyTorch-NLP : PyTorch 的文本工具和数据集，pytorchnlp.readthedocs.io
quick-nlp ：基于 FastAI 的 Pytorch NLP 库。
TTS ：用于 Text2Speech 的深度学习。
LASER ：语言无关的句子表示。
pyannote-audio ：用于说话人分割的神经构建模块：语音活动检测、说话人变化检测、说话人嵌入。
gensen ：通过大规模多任务学习学习通用分布式句子表示。
translate ：Translate - 一个 PyTorch 语言库。
espnet ：端到端语音处理工具包 espnet.github.io/espnet
pythia ：一个用于视觉问答的软件套件。
UnsupervisedMT : 基于短语的神经无监督机器翻译。
jiant : jiant 句子表示学习工具包。
BERT-PyTorch : Google AI 2018 年 BERT 的 PyTorch 实现，包含简单标注。
InferSent : 句子嵌入（InferSent）和 NLI 训练代码。
uis-rnn ：这是用于无界交错状态循环神经网络（UIS-RNN）算法的库，对应论文《Fully Supervised Speaker Diarization》。arxiv.org/abs/1810.04719
flair ：一个非常简单的最先进自然语言处理（NLP）框架
pytext ：基于 PyTorch 的自然语言建模框架 fb.me/pytextdocs
voicefilter ：Google AI 的 VoiceFilter 系统的非官方 PyTorch 实现 http://swpark.me/voicefilter
BERT-NER : 使用 BERT 的 Pytorch 命名实体识别。
transfer-nlp : 为灵活的研究和开发而设计的 NLP 库。
texar-pytorch : 用于机器学习和文本生成的工具包，基于 PyTorch，texar.io。
pytorch-kaldi : pytorch-kaldi 是一个用于开发最先进的 DNN/RNN 混合语音识别系统的项目。DNN 部分由 pytorch 管理，而特征提取、标签计算和解码则使用 kaldi 工具包进行。
NeMo : 神经模块：一个用于对话式 AI 的工具包 nvidia.github.io/NeMo
pytorch-struct : 核心结构化预测算法（HMM、依存树、CKY 等）的向量化实现库
espresso : Espresso：一个快速端到端神经语音识别工具包
transformers : huggingface Transformers：适用于 TensorFlow 2.0 和 PyTorch 的最先进的自然语言处理 huggingface.co/transformers
reformer-pytorch : Reformer，高效的 Transformer，在 PyTorch 中
torch-metrics : PyTorch 中的模型评估指标
speechbrain : SpeechBrain 是一个基于 PyTorch 的开源、全功能的语音工具包。
Backprop : Backprop 简化了使用、微调和部署最先进的 ML 模型。

简历：

pytorch vision : 针对计算机视觉的特定数据集、转换和模型。
pt-styletransfer : 作为 PyTorch 中的一个类实现的神经风格迁移。
OpenFacePytorch : 使用 OpenFace 的 nn4.small2.v1.t7 模型的 PyTorch 模块。
img_classification_pk_pytorch : 快速比较您的图像分类模型与最先进模型（如 DenseNet、ResNet 等）
SparseConvNet : 子流形稀疏卷积网络。
Convolution_LSTM_pytorch : 多层卷积 LSTM 模块
face-alignment : :fire: 使用 pytorch 构建的 2D 和 3D 人脸对齐库 adrianbulat.com
pytorch-semantic-segmentation : 用于语义分割的 PyTorch。
RoIAlign.pytorch : 这是 RoIAlign 的 PyTorch 版本。该实现基于 crop_and_resize，并支持在 CPU 和 GPU 上进行前向和后向传播。
pytorch-cnn-finetune : 使用 PyTorch 微调预训练的卷积神经网络。
detectorch : Detectorch - PyTorch 的 detectron。
Augmentor : 用于机器学习的 Python 图像增强库。http://augmentor.readthedocs.io
s2cnn :

该库包含用于球形信号（例如全向相机、球面上的信号）的 SO(3) 等变 CNN 的 PyTorch 实现

TorchCV : 基于 PyTorch 的计算机视觉深度学习框架。
maskrcnn-benchmark : PyTorch 中的实例分割和目标检测算法的快速、模块化参考实现。
image-classification-mobile : 在 ImageNet-1K 上预训练的分类模型集合。
medicaltorch : 用于 PyTorch 的医学影像框架 http://medicaltorch.readthedocs.io
albumentations : 快速图像增强库。
kornia : 可微分的计算机视觉库。
pytorch-text-recognition : 文本识别组合 - CRAFT + CRNN。
facenet-pytorch : 从 davidsandberg/facenet 迁移的预训练 Pytorch 人脸检测和识别模型。
detectron2 : Detectron2 是 FAIR 的下一代研究平台，用于目标检测和分割。
vedaseg : 一个基于 PyTorch 的语义分割框架
ClassyVision : 一个用于图像和视频分类的端到端 PyTorch 框架。
detecto : 使用不到 10 行代码的 Python 计算机视觉
pytorch3d : PyTorch3D 是 FAIR 的 3D 数据深度学习可重用组件库，pytorch3d.org
MMDetection : MMDetection 是一个开源的目标检测工具箱，是OpenMMLab 项目的一部分。
neural-dream : DeepDream 算法的 PyTorch 实现。创建梦幻般的致幻视觉效果。
FlashTorch : PyTorch 中神经网络的可视化工具包！
Lucent : TensorFlow 和 OpenAI Clarity 的 Lucid 适配 PyTorch。
MMDetection3D : MMDetection3D 是 OpenMMLab 的下一代通用 3D 物体检测平台，是 OpenMMLab 项目的一部分。
MMSegmentation : MMSegmentation 是一个语义分割工具箱和基准，是 OpenMMLab 项目的一部分。
MMEditing : MMEditing 是一个图像和视频编辑工具箱，是 OpenMMLab 项目的一部分。
MMAction2 : MMAction2 是 OpenMMLab 的下一代动作理解工具箱和基准，是 OpenMMLab 项目的一部分。
MMPose : MMPose 是一个姿态估计工具箱和基准，是 OpenMMLab 项目的一部分。
lightly - Lightly 是一个用于自监督学习的计算机视觉框架。
RoMa : 一个轻量级且高效的库，用于处理 3D 旋转。

概率/生成库:

ptstat : 在 PyTorch 中的概率编程和统计推断
pyro : 使用 Python 和 PyTorch 的深度通用概率编程 http://pyro.ai
probtorch : Probabilistic Torch 是一个用于深度生成模型的库，扩展了 PyTorch。
paysage : Python/PyTorch 中的无监督学习和生成模型。
pyvarinf ：一个 Python 包，用于使用变分推理（Variational Inference）在 PyTorch 中实现贝叶斯深度学习方法。
pyprob ：一个基于 PyTorch 的概率编程和推理编译库。
mia ：一个用于对机器学习模型进行成员资格推理攻击的库。
pro_gan_pytorch ：一个作为 PyTorch nn.Module 扩展实现的 ProGAN 包。
botorch ：在 PyTorch 中的贝叶斯优化

其他库：

pytorch extras ：为 PyTorch 提供一些额外功能。
functional zoo ：与 lua torch 不同，PyTorch 将自动微分（autograd）作为其核心，因此使用 torch.nn 模块的模块化结构不是必要的，可以轻松分配所需的 Variables 并编写一个使用它们的函数，这有时更方便。这个仓库包含以这种函数方式定义的模型，并为一些模型提供了预训练权重。
torch-sampling ：该软件包提供了一套用于从内存中或内存外数据中进行采样的转换和数据结构。
torchcraft-py ：TorchCraft 的 Python 封装，是 Torch 和星际争霸之间的桥梁，用于人工智能研究。
aorun ：Aorun 旨在成为一个以 PyTorch 为后端的 Keras。
logger ：用于实验的简单日志记录器。
PyTorch-docset : PyTorch 文档集！可与 Dash、Zeal、Velocity 或 LovelyDocs 一起使用。
convert_torch_to_pytorch : 将 torch t7 模型转换为 PyTorch 模型和源代码。
pretrained-models.pytorch : 该仓库的目标是帮助复现研究论文的结果。
pytorch_fft : PyTorch FFT 封装
caffe_to_torch_to_pytorch
pytorch-extension ：这是一个用于 PyTorch 的 CUDA 扩展，用于计算两个张量的 Hadamard 积。
tensorboard-pytorch ：该模块将 PyTorch 张量保存为 tensorboard 格式以供检查。目前支持标量、图像、音频、直方图特征在 tensorboard 中。
gpytorch ：GPyTorch 是一个高斯过程库，使用 PyTorch 实现。它旨在轻松创建灵活和模块化的高斯过程模型，因此您不必是专家即可使用高斯过程。
spotlight : 使用 PyTorch 的深度推荐模型。
pytorch-cns : 使用 PyTorch 的压缩网络搜索。
pyinn : CuPy 融合 PyTorch 神经网络操作。
inferno : 围绕 PyTorch 的工具库。
pytorch-fitmodule ：PyTorch 模块的超级简单拟合方法
inferno-sklearn ：一个与 scikit-learn 兼容的神经网络库，封装了 pytorch。
pytorch-caffe-darknet-convert ：在 pytorch、caffe prototxt/weights 和 darknet cfg/weights 之间进行转换
pytorch2caffe ：将 PyTorch 模型转换为 Caffemodel
pytorch-tools : PyTorch 工具
sru : 将 RNN 训练得像 CNN 一样快 (arxiv.org/abs/1709.02755)
torch2coreml : Torch7 -> CoreML
PyTorch-Encoding : PyTorch 深度纹理编码网络 http://hangzh.com/PyTorch-Encoding
pytorch-ctc : PyTorch-CTC 是 PyTorch 的 CTC（连接时序分类）束搜索解码实现。C++代码大量借鉴自 TensorFlow，并进行了某些改进以增加灵活性。
candlegp : PyTorch 中的高斯过程。
dpwa : 通过成对平均进行分布式学习。
dni-pytorch : 使用合成梯度为 PyTorch 实现解耦神经接口。
skorch ：一个与 scikit-learn 兼容的神经网络库，封装了 pytorch
ignite ：ignite 是一个高级库，用于帮助在 PyTorch 中训练神经网络。
Arnold ：Arnold - DOOM Agent
pytorch-mcn ：将模型从 MatConvNet 转换为 PyTorch
simple-faster-rcnn-pytorch ：Faster R-CNN 的简化实现，具有竞争力的性能。
generative_zoo ：generative_zoo 是一个提供 PyTorch 中一些生成模型可用实现的仓库。
pytorchviz ：一个小型软件包，用于创建 PyTorch 执行图的可视化。
cogitare ：Cogitare - 一个现代、快速且模块化的 Python 深度学习和机器学习框架。
pydlt : 基于 PyTorch 的深度学习工具箱
semi-supervised-pytorch : PyTorch 中不同基于 VAE 的半监督和生成模型的实现。
pytorch_cluster : 优化的图聚类算法的 PyTorch 扩展库。
neural-assembly-compiler : 基于自适应神经编译的 PyTorch 神经组装编译器。
caffemodel2pytorch ：将 Caffe 模型转换为 PyTorch。
extension-cpp ：PyTorch 中的 C++ 扩展
pytoune ：一个类似 Keras 的 PyTorch 框架和工具
jetson-reinforcement ：为 NVIDIA Jetson TX1/TX2 提供深度强化学习库，支持 PyTorch、OpenAI Gym 和 Gazebo 机器人模拟器。
matchbox ：在单个示例级别编写 PyTorch 代码，然后高效地在小批量上运行它。
torch-two-sample ：一个用于双样本测试的 PyTorch 库
pytorch-summary ：类似于 Keras 中的model.summary()的 PyTorch 模型摘要
mpl.pytorch ：MaxPoolingLoss 的 Pytorch 实现。
scVI-dev ：scVI 项目在 PyTorch 中的开发分支
apex ：一个实验性的 PyTorch 扩展（将在稍后弃用）
ELF ：ELF：一个用于游戏研究的平台。
Torchlite ：一个在 Pytorch 之上（不仅限于）的高级库
joint-vae : JointVAE 的 Pytorch 实现，一个用于分离连续和离散变化因子的框架 star2
SLM-Lab : PyTorch 中的模块化深度强化学习框架。
bindsnet : 一个用于在 CPU 或 GPU 上使用 PyTorch 模拟脉冲神经网络（SNNs）的 Python 包
pro_gan_pytorch : 作为 PyTorch nn.Module 扩展实现的 ProGAN 包
pytorch_geometric : PyTorch 的几何深度学习扩展库
torchplus : 在 PyTorch 模块上实现+运算符，返回序列。
lagom : lagom: 一个轻量级的 PyTorch 基础设施，用于快速原型设计强化学习算法。
torchbearer : torchbearer: 一个用于 PyTorch 研究人员的模型训练库。
pytorch-maml-rl ：在 Pytorch 中使用模型无关元学习的强化学习。
NALU ：来自 trask 等人撰写的《Neural Arithmetic Logic Units》论文的 NAC/NALU 的基本 Pytorch 实现，arxiv.org/pdf/1808.00508.pdf。
QuCumber ：神经网络多体波函数重建。
magnet ：自动构建的深度学习项目 http://magnet-dl.readthedocs.io/
opencv_transforms ：Torchvision 图像增强的 OpenCV 实现
fastai ：fast.ai 深度学习库、课程和教程
pytorch-dense-correspondence ：用于“Dense Object Nets: Learning Dense Visual Object Descriptors By and For Robotic Manipulation” arxiv.org/pdf/1806.08756.pdf 的代码
colorization-pytorch ：richzhang.github.io/ideepcolor 的交互式深度着色 PyTorch 重实现
beauty-net ：一个简单、灵活且可扩展的 PyTorch 模板。它很美观。
OpenChem ：OpenChem：用于计算化学和药物设计研究的深度学习工具包 mariewelt.github.io/OpenChem
torchani ：基于 PyTorch 的精确神经网络势能 aiqm.github.io/torchani
PyTorch-LBFGS ：L-BFGS 的 PyTorch 实现。
gpytorch ：在 PyTorch 中高效且模块化的高斯过程实现。
hessian ：PyTorch 中的 hessian。
vel ：深度学习研究中的速度。
nonechucks ：在 PyTorch DataLoader 中跳过不良项，使用 Transforms 作为过滤器，以及更多功能！
torchstat : PyTorch 模型分析器。
QNNPACK : 量化神经网络包 - 专为移动端优化的量化神经网络算子实现。
torchdiffeq : 支持全 GPU 和 O(1)-内存反向传播的可微分常微分方程求解器。
redner : 可微分的蒙特卡洛路径追踪器
pixyz ：一个更简洁、直观和可扩展的深度生成模型开发库。
euclidesdb ：多模型机器学习特征嵌入数据库 http://euclidesdb.readthedocs.io
pytorch2keras ：将 PyTorch 动态图转换为 Keras 模型。
salad ：半监督学习和领域自适应。
netharn : 用于 pytorch 的参数化拟合和预测工具。
dgl : 在现有 DL 框架之上构建的 Python 包，旨在简化图上的深度学习。http://dgl.ai。
gandissect : 基于 pytorch 的可视化和理解 GAN 神经元的工具。gandissect.csail.mit.edu
delira : 轻量级框架，用于快速原型设计和训练医学图像中的深度神经网络。delira.rtfd.io
mushroom ：用于强化学习实验的 Python 库。
Xlearn ：迁移学习库
geoopt ：使用 pytorch optim 的黎曼自适应优化方法
vegans ：提供 PyTorch 中各种现有 GAN 的库。
torchgeometry : TGM: PyTorch 几何
AdverTorch : 用于对抗鲁棒性（攻击/防御/训练）研究的工具箱
AdaBound : 一种优化器，训练速度与 Adam 相当，效果与 SGD 一样好
fenchel-young-losses : 使用 Fenchel-Young 损失在 PyTorch/TensorFlow/scikit-learn 中进行概率分类
pytorch-OpCounter : 统计您的 PyTorch 模型的 FLOPs。
Tor10 : 一个通用的张量网络库，专为量子模拟设计，基于 pytorch。
Catalyst : PyTorch DL & RL 研究的高级工具。它专注于可重复性、快速实验和代码/想法的重用。能够研究/开发新事物，而不是编写另一个常规的训练循环。
Ax : 自适应实验平台
pywick : 一个包含高阶功能的 Pytorch 神经网络训练库
torchgpipe : PyTorch 中的 GPipe 实现，torchgpipe.readthedocs.io
hub : Pytorch Hub 是一个预训练模型库，旨在促进研究可复现性。
pytorch-lightning : Pytorch 的快速研究框架，研究人员的 keras 版本。
Tor10 ：一个通用的张量网络库，专为量子模拟设计，基于 pytorch。
tensorwatch ：由微软研究院提供的深度学习和强化学习的调试、监控和可视化工具。
wavetorch ：通过 arxiv.org/abs/1904.12831 对波动方程进行数值求解和反向传播。
diffdist ：diffdist 是一个基于 pytorch 的 python 库。它扩展了 torch.autograd 的默认功能，并增加了进程间可微通信的支持。
torchprof ：一个用于逐层分析 PyTorch 模型的最小依赖库。
osqpth ：PyTorch 的可微分 OSQP 求解器层。
mctorch ：一个用于深度学习的流形优化库。
pytorch-hessian-eigenthings ：使用 Hessian 向量积和随机幂迭代进行高效的 PyTorch Hessian 特征分解。
MinkowskiEngine : Minkowski Engine 是一个用于广义稀疏卷积和高维稀疏张量的自动微分库。
pytorch-cpp-rl : PyTorch C++ 强化学习
pytorch-toolbelt : 用于快速研发原型和 Kaggle 耕作的 PyTorch 扩展库
argus-tensor-stream : 一个用于实时视频流解码到 CUDA 内存的库 tensorstream.argus-ai.com
macarico : 在 PyTorch 中学习搜索
rlpyt : PyTorch 中的强化学习
pywarm : 一种更简洁的方式构建 PyTorch 神经网络。blue-season.github.io/pywarm
learn2learn : 研究人员使用的 PyTorch 元学习框架 http://learn2learn.net
torchbeast : 一个用于分布式强化学习的 PyTorch 平台
higher : higher 是一个 PyTorch 库，允许用户在跨越训练循环的损失上获取高阶梯度，而不是在单个训练步骤上获取。
Torchelie : Torchélie 是一系列用于 PyTorch 的工具函数、层、损失、模型、训练器和其他东西。torchelie.readthedocs.org
CrypTen : CrypTen 是一个使用 PyTorch 编写的隐私保护机器学习框架，允许研究人员和开发者使用加密数据训练模型。CrypTen 目前支持安全多方计算作为其加密机制。
cvxpylayers : cvxpylayers 是一个用于在 PyTorch 中构建可微分的凸优化层的 Python 库
RepDistiller : 对比表示蒸馏 (CRD)，以及近期知识蒸馏方法的基准测试
kaolin : 旨在加速 3D 深度学习研究的 PyTorch 库
PySNN : 高效的脉冲神经网络框架，基于 PyTorch 构建，用于 GPU 加速。
sparktorch : 在 Apache Spark 上训练和运行 Pytorch 模型。
pytorch-metric-learning : 在您的应用程序中使用度量学习的最简单方法。模块化、灵活且可扩展。使用 PyTorch 编写。
autonomous-learning-library : 用于构建深度强化学习智能体的 PyTorch 库。
flambe : 一个加速研究和其生产路径的 ML 框架。flambe.ai
pytorch-optimizer : PyTorch 的现代优化算法集合，包括：AccSGD、AdaBound、AdaMod、DiffGrad、Lamb、RAdam、RAdam、Yogi。
PyTorch-VAE : PyTorch 中的变分自编码器（VAE）集合。
ray : 用于构建和运行分布式应用的快速简单框架。Ray 包含 RLlib（可扩展的强化学习库）和 Tune（可扩展的超参数调优库）。ray.io
Pytorch Geometric Temporal : PyTorch Geometric 的时间扩展库。
Poutyne ：一个类似 Keras 的 PyTorch 框架，可以处理训练神经网络所需的大部分样板代码。
Pytorch-Toolbox ：这是一个 PyTorch 的工具箱项目。旨在让您编写 PyTorch 代码更加容易、可读和简洁。
Pytorch-contrib ：它包含来自近期机器学习论文的经过审查的实现。
EfficientNet PyTorch ：它包含 EfficientNet 的逐操作 PyTorch 重新实现，以及预训练模型和示例。
PyTorch/XLA : PyTorch/XLA 是一个使用 XLA 深度学习编译器连接 PyTorch 深度学习框架和 Cloud TPUs 的 Python 包。
webdataset : WebDataset 是一个 PyTorch Dataset（IterableDataset）的实现，提供对存储在 POSIX tar 归档中的数据集的高效访问。
volksdep : volksdep 是一个开源工具箱，用于部署和加速 PyTorch、Onnx 和 Tensorflow 模型，使用 TensorRT。
PyTorch-StudioGAN : StudioGAN 是一个 Pytorch 库，提供了用于条件/无条件图像生成的代表性生成对抗网络（GANs）的实现。StudioGAN 旨在为现代 GAN 提供一个相同的游乐场，以便机器学习研究人员可以方便地比较和分析新想法。
torchdrift : 漂移检测库
accelerate : 一种简单的方法，用于使用多 GPU、TPU 和混合精度训练和使用 PyTorch 模型
lightning-transformers : 使用 PyTorch Lightning、Transformers 和 Hydra，为高性能研究提供灵活接口的 SOTA Transformer。
Flower 统一的联邦学习、分析和评估方法。它允许对任何机器学习工作负载进行联邦。
lightning-flash : Flash 是一个用于快速原型设计、基线测试和微调可扩展深度学习模型的任务集合，基于 PyTorch Lightning 构建。
Pytorch Geometric Signed Directed : PyTorch Geometric 的有向和符号扩展库。
Koila : 一个围绕 pytorch 的简单包装器，可防止 CUDA 内存不足问题。
Renate : 一个用于现实世界持续学习的库。
ANEE – PyTorch 变体神经执行引擎。提供每个 token 的动态层跳过、基于分析器的门控以及 KV 缓存安全的稀疏推理。

教程、书籍和示例

Practical Pytorch : 解释不同 RNN 模型的教程
DeepLearningForNLPInPytorch : 深度学习 IPython Notebook 教程，重点介绍自然语言处理。
pytorch-tutorial : 面向研究人员的 PyTorch 深度学习教程。
pytorch-exercises : PyTorch 练习集合。
pytorch tutorials : 各种 PyTorch 教程。
pytorch examples : 展示使用 PyTorch 示例的仓库。
pytorch practice ：一些 PyTorch 示例脚本。
pytorch mini tutorials ：来自 Alec Radford 的 Theano 教程改编的最小 PyTorch 教程。
pytorch text classification ：PyTorch 中基于 CNN 的简单文本分类实现。
cats vs dogs ：PyTorch 中网络微调的示例，用于 kaggle 比赛 Dogs vs. Cats Redux: Kernels Edition。目前排名 #27 (0.05074)。
convnet ：这是一个在各种数据集（ImageNet、Cifar10、Cifar100、MNIST）上用于深度卷积网络的完整训练示例。
pytorch-generative-adversarial-networks ：使用 PyTorch 实现的简单生成对抗网络（GAN）。
pytorch containers ：该仓库旨在通过提供 Torch Table 层的 PyTorch 实现列表，帮助前 Torch 用户更无缝地过渡到 PyTorch 的“无容器”世界。
T-SNE in pytorch ：pytorch 中的 t-SNE 实验
AAE_pytorch : 对抗自编码器（基于 PyTorch）。
Kind_PyTorch_Tutorial : 适合初学者的 Kind PyTorch 教程。
pytorch-poetry-gen : 基于 pytorch 的字符 RNN。
pytorch-REINFORCE : REINFORCE 的 PyTorch 实现，此仓库支持 OpenAI gym 中的连续和离散环境。
PyTorch-Tutorial : 轻松快速地构建您的神经网络 https://morvanzhou.github.io/tutorials/
pytorch-intro : 一些脚本来说明如何在 PyTorch 中实现 CNNs 和 RNNs
pytorch-classification : 一个统一的框架，用于在 CIFAR-10/100 和 ImageNet 上进行图像分类任务。
pytorch_notebooks - hardmaru : 使用 NumPy 和 PyTorch 创建的随机教程。
pytorch_tutoria-quick : 快速的 PyTorch 介绍和教程。面向希望尝试新框架的计算机视觉、图形和机器学习研究人员。
Pytorch_fine_tuning_Tutorial : 关于在 PyTorch 中进行微调或迁移学习的简短教程。
pytorch_exercises : pytorch-exercises
traffic-sign-detection : nyu-cv-fall-2017 示例
mss_pytorch : 基于循环推理和跳过滤波连接的歌声分离 - PyTorch 实现。Demo: js-mim.github.io/mss_pytorch
DeepNLP-models-Pytorch cs-224n（斯坦福大学：深度学习中的自然语言处理）中的各种深度 NLP 模型的 PyTorch 实现
Mila introductory tutorials : 为欢迎 MILA 的新生而提供的各种教程。
pytorch.rl.learning : 使用 PyTorch 进行强化学习学习的资源。
minimal-seq2seq : 基于 PyTorch 的带 Attention 的最小 Seq2Seq 模型，用于神经机器翻译
tensorly-notebooks : 使用 TensorLy 在 Python 中的张量方法，tensorly.github.io/dev
pytorch_bits : 与时间序列预测相关的示例。
skip-thoughts : PyTorch 中的 Skip-Thought Vectors 实现。
video-caption-pytorch : 用于视频字幕的 PyTorch 代码。
Capsule-Network-Tutorial : 易于理解的 PyTorch Capsule Network 教程。
code-of-learn-deep-learning-with-pytorch : 这是《用 PyTorch 学习深度学习》一书的代码，商品链接为 item.jd.com/17915495606.html。
RL-Adventure : 清晰易读的 PyTorch 代码，逐步讲解深度 Q 学习的教程。
accelerated_dl_pytorch ：在 Jupyter Day Atlanta II 中使用 PyTorch 加速深度学习。
RL-Adventure-2 ：PyTorch4 教程：actor critic / proximal policy optimization / acer / ddpg / twin dueling ddpg / soft actor critic / generative adversarial imitation learning / hindsight experience replay
50 行代码中的生成对抗网络 (GANs) (PyTorch)
使用 PyTorch 的对抗自编码器
使用 PyTorch 进行迁移学习
如何在 PyTorch 中实现 YOLO 对象检测器
PyTorch 推荐系统入门
PyTorch for NumPy 用户
PyTorch 教程 : 中文 PyTorch 教程。
grokking-pytorch : 《银河系漫游指南》PyTorch
PyTorch-Deep-Learning-Minicourse : 使用 PyTorch 的深度学习迷你课程。
pytorch-custom-dataset-examples : 一些 PyTorch 自定义数据集示例
基于序列的推荐系统的乘法 LSTM
deeplearning.ai-pytorch : Coursera 深度学习（deeplearning.ai）专项课程的 PyTorch 实现。
MNIST_Pytorch_python_and_capi : 这是一个如何在 Python 中训练 MNIST 网络并在 c++中使用 pytorch 1.0 运行的示例。
torch_light : 教程和示例包括强化训练、NLP、CV
portrain-gan : torch 代码，用于解码（几乎可以编码）art-DCGAN 的 Portrait GAN 的潜在变量。
mri-analysis-pytorch : 使用 PyTorch 和 MedicalTorch 进行 MRI 分析。
cifar10-fast :

展示了如何在 79 秒内将一个小型 ResNet 在 CIFAR10 上训练到 94%的测试精度，如本博客系列所述。

使用 PyTorch 的深度学习入门：由 Udacity 和 Facebook 提供的免费课程，介绍了 PyTorch，并包含了对 PyTorch 初始作者之一的 Soumith Chintala 的访谈。
pytorch-sentiment-analysis ：使用 PyTorch 和 TorchText 进行情感分析的入门教程。
pytorch-image-models ：PyTorch 图像模型、脚本、预训练权重 -- (SE)ResNet/ResNeXT、DPN、EfficientNet、MobileNet-V3/V2/V1、MNASNet、单路径 NAS、FBNet 等。
CIFAR-ZOO ：支持多种 CNN 架构和改进方法的 Pytorch 实现，并取得了最先进的结果。
d2l-pytorch ：这是一个尝试将伯克利 STAT 157（2019 年春季）《深入浅出机器学习》教科书的代码修改为 PyTorch 的项目。
thinking-in-tensors-writing-in-pytorch ：用张量思维，用 PyTorch 编写（一个动手实践的深度学习入门）。
NER-BERT-pytorch ：使用 Google AI 的预训练 BERT 模型进行命名实体识别任务的 PyTorch 解决方案。
pytorch-sync-batchnorm-example ：如何在 PyTorch 中使用跨副本/同步批归一化。
SentimentAnalysis ：在斯坦福情感树库上微调 BERT 训练的情感分析神经网络，感谢Hugging Face的 Transformers 库。
pytorch-cpp ：深度学习研究人员使用的 PyTorch 教程的 C++实现（基于pytorch-tutorial的 Python 教程）。
Deep Learning with PyTorch: Zero to GANs ：以交互和编程为重点的 PyTorch 深度学习入门教程系列（视频）。
Deep Learning with PyTorch ：《PyTorch 深度学习》教你如何使用 Python 和 PyTorch 实现深度学习算法，本书包括一个案例研究：构建一个能够使用 CT 扫描检测恶性肺肿瘤的算法。
使用 PyTorch 和 AWS 实现无服务器机器学习 : 无服务器机器学习是一本指南，指导您如何使用 AWS、Azure 或 GCP 等主要云服务提供商的无服务器功能，将您的实验性 PyTorch 机器学习代码部署到生产环境。
LabML NN : 一系列包含神经网络架构和算法的 PyTorch 实现，附带并排注释。
使用 Flower 将您的 PyTorch 示例联邦化 : 此示例展示了如何将现有的集中式 PyTorch 机器学习项目使用 Flower 联邦化。使用 Cifar-10 数据集和卷积神经网络（CNN）。
人工智能背后的数学 : 一本免费的 FreeCodeCamp 书籍，从工程角度用简单的英语讲解人工智能背后的数学。它涵盖了线性代数、微积分、概率与统计以及优化理论，并配有类比、实际应用和 Python 代码示例。

论文实现

google_evolution : 实现了 Esteban Real 等人论文《Large-scale evolution of image classifiers》中的一个结果网络。
pyscatwave : 基于 CuPy/PyTorch 的快速散射变换，论文可在此处阅读。
scalingscattering : 放大散射变换：深度混合网络。
deep-auto-punctuation : 自动标点符号的 pytorch 实现，逐字符学习。
Realtime_Multi-Person_Pose_Estimation : 这是 Realtime_Multi-Person_Pose_Estimation 的 pytorch 版本，原始代码在这里[https://github.com/ZheC/Realtime_Multi-Person_Pose_Estimation]。
PyTorch-value-iteration-networks : Value Iteration Networks (NIPS '16) 论文的 PyTorch 实现
pytorch_Highway ：在 pytorch 中实现的 Highway 网络。
pytorch_NEG_loss ：在 pytorch 中实现的 NEG 损失。
pytorch_RVAE ：在 pytorch 中实现的生成序列数据的循环变分自编码器。
pytorch_TDNN ：在 pytorch 中实现的时间延迟神经网络。
eve.pytorch ：Eve 优化器的实现，提出于《通过反馈改进随机梯度下降》，Koushik 和 Hayashi，2016 年。
e2e-model-learning ：基于任务的端到端模型学习。
pix2pix-pytorch ：条件对抗网络实现图像到图像翻译的 PyTorch 实现。
Single Shot MultiBox Detector ：Single Shot MultiBox Detector 的 PyTorch 实现。
DiscoGAN ：使用生成对抗网络学习发现跨域关系的 PyTorch 实现
官方 DiscoGAN 实现：使用生成对抗网络学习发现跨域关系的官方实现。
pytorch-es ：这是进化策略的 PyTorch 实现。
piwise ：使用 pytorch 在 VOC2012 数据集上进行像素级分割。
pytorch-dqn : pytorch 中的深度 Q 学习网络。
neuraltalk2-pytorch : pytorch 中的图像描述模型（在 with_finetune 分支中包含可微分的 CNN）。
vnet.pytorch : V-Net 的 pytorch 实现：用于体积医学图像分割的全卷积神经网络。
pytorch-fcn : 全卷积网络在 PyTorch 中的实现。
WideResNets : 在 PyTorch 中实现的 WideResNets，适用于 CIFAR10/100。此实现比官方 Torch 实现所需的 GPU 内存更少：https://github.com/szagoruyko/wide-residual-networks。
pytorch_highway_networks : 在 PyTorch 中实现的高路网络。
pytorch-NeuCom : DeepMind 可微分的神经计算机论文的 PyTorch 实现。
captionGen : 使用 PyTorch 为图像生成描述。
AnimeGAN ：一个简单的 PyTorch 生成对抗网络实现，专注于动漫人脸绘制。
Cnn-text classification ：这是 Kim 的卷积神经网络用于句子分类论文的 PyTorch 实现。
deepspeech2 ：使用百度 Warp-CTC 实现的 DeepSpeech2。基于 DeepSpeech2 架构创建网络，使用 CTC 激活函数进行训练。
seq2seq ：这个仓库包含 PyTorch 中的序列到序列 (Seq2Seq) 模型实现。
PyTorch 中的异步优势演员-评论家 : 这是根据《深度强化学习的异步方法》中描述的 A3C 在 PyTorch 中的实现。由于 PyTorch 具有控制多进程内共享内存的简便方法，我们可以轻松实现像 A3C 这样的异步方法。
densenet : 这是根据 G. Huang, Z. Liu, K. Weinberger, 和 L. van der Maaten 在论文《密集连接卷积网络》中描述的 DenseNet-BC 架构的 PyTorch 实现。该实现使用一个增长率为 12 的 100 层 DenseNet-BC，获得了 4.77%的 CIFAR-10+错误率。他们的官方实现以及许多第三方实现的链接可以在 GitHub 上的 liuzhuang13/DenseNet 仓库中找到。
nninit : PyTorch nn Modules 的权重初始化方案。这是对 Torch7 中流行的 nninit 的@kaixhin 端口。
faster rcnn : 这是 Faster RCNN 的 PyTorch 实现。该项目主要基于 py-faster-rcnn 和 TFFRCNN。有关 R-CNN 的详细信息，请参阅 Shaoqing Ren、Kaiming He、Ross Girshick 和 Jian Sun 的论文《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》。
doomnet : ViZDoom 环境中实现了一些 RL 模型的 Doom-net 的 PyTorch 版本。
flownet : Dosovitskiy 等人实现的 FlowNet 的 PyTorch 实现。
sqeezenet : Pytorch 中的 Squeezenet 实现，#### 预计将提供 CIFAR10 数据的预训练模型。计划在 CIFAR 10 上训练模型，并添加块连接。
WassersteinGAN : pytorch 中的 wassersteinGAN。
optnet : 该仓库由 Brandon Amos 和 J. Zico Kolter 创建，包含用于复现我们论文《OptNet：将可微优化作为神经网络中的一层》中实验的 PyTorch 源代码。
qp solver : 一个用于 PyTorch 的快速且可微分的 QP 求解器。由 Brandon Amos 和 J. Zico Kolter 制作。
基于模型的连续深度 Q 学习加速 : 基于模型的连续深度 Q 学习的再实现。
通过梯度下降学习如何通过梯度下降学习：PyTorch 实现的通过梯度下降学习如何通过梯度下降学习。
fast-neural-style ：fast-neural-style 的 pytorch 实现，该模型使用了实时风格迁移和超分辨率感知损失中描述的方法，并结合了实例归一化。
PytorchNeuralStyleTransfer ：Pytorch 中的神经风格迁移实现。
Fast Neural Style for Image Style Transform by Pytorch ：Pytorch 实现的快速神经风格图像风格变换。
神经风格迁移：Leon A. Gatys、Alexander S. Ecker 和 Matthias Bethge 开发的神经风格算法（https://arxiv.org/abs/1508.06576）的 PyTorch 入门介绍。
VIN_PyTorch_Visdom ：价值迭代网络（VIN）的 PyTorch 实现：简洁、简单和模块化。可视化在 Visdom 中。
YOLO2 ：PyTorch 中的 YOLOv2。
attention-transfer ：pytorch 中的注意力迁移，请在此处阅读论文（https://arxiv.org/abs/1612.03928）。
SVHNClassifier ：使用深度卷积神经网络从街景图像中识别多数字的 PyTorch 实现（论文链接：Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks）。
pytorch-deform-conv ：可变形卷积的 PyTorch 实现。
BEGAN-pytorch ：使用 PyTorch 实现的BEGAN：边界平衡生成对抗网络。
treelstm.pytorch ：PyTorch 中的树形 LSTM 实现。
AGE ：Dmitry Ulyanov、Andrea Vedaldi 和 Victor Lempitsky 论文《Adversarial Generator-Encoder Networks》的代码，可在此处找到
ResNeXt.pytorch ：使用 pytorch 重现 ResNet-V3 (Aggregated Residual Transformations for Deep Neural Networks)
pytorch-rl ：使用 pytorch 和 visdom 进行深度强化学习
Deep-Leafsnap ：使用深度神经网络复制的 LeafSnap，用于与传统计算机视觉方法比较准确度
pytorch-CycleGAN-and-pix2pix ：PyTorch 对无配对和配对图像到图像翻译的实现。
A3C-PyTorch ：PyTorch 中优势异步 Actor-Critic 算法（A3C）的实现。
pytorch-value-iteration-networks ：价值迭代网络（NIPS 2016 最佳论文）的 PyTorch 实现。
PyTorch-Style-Transfer ：用于实时转换的多风格生成网络的 PyTorch 实现。
pytorch-deeplab-resnet : pytorch-deeplab-resnet 模型。
pointnet.pytorch : "PointNet: 用于 3D 分类和分割的点集深度学习"的 pytorch 实现 https://arxiv.org/abs/1612.00593
pytorch-playground : 包含 pytorch 中的基础预训练模型和数据集（MNIST、SVHN、CIFAR10、CIFAR100、STL10、AlexNet、VGG16、VGG19、ResNet、Inception、SqueezeNet）。
pytorch-dnc : 基于 pytorch 和 visdom 的神经图灵机（NTM）与可微分的神经计算机（DNC）。
pytorch_image_classifier : 使用 PyTorch 的最小实用图像分类管道，基于 ResNet18 微调，在自有小型数据集上达到 99% 准确率。
mnist-svhn-transfer : CycleGAN 和 SGAN 的 PyTorch 实现用于域迁移（最小化）。
pytorch-yolo2 : pytorch-yolo2
dni : 使用合成梯度在 PyTorch 中实现解耦神经接口。
wgan-gp : 论文 "Improved Training of Wasserstein GANs" 的 PyTorch 实现。
pytorch-seq2seq-intent-parsing : 使用 seq2seq + 注意力机制在 PyTorch 中进行意图解析和槽填充。
pyTorch_NCE : PyTorch 的噪声对比估计算法实现。可以工作，但效率不是很高。
molencoder : PyTorch 中的分子自编码器。
GAN-weight-norm ：用于“Generative Adversarial Networks 中批归一化和权重归一化的影响”的代码
lgamma ：PyTorch 中多伽马、lgamma 和贝塔函数的实现
bigBatch ：用于生成“Train longer, generalize better: closing the generalization gap in large batch training of neural networks”中结果的代码
rl_a3c_pytorch ：带有 Atari 2600 A3C LSTM 实现的强化学习
pytorch-retraining : PyTorch 模型库(torchvision)的迁移学习竞赛
nmp_qc : 用于计算机视觉的神经消息传递
grad-cam : Grad-CAM 的 PyTorch 实现
pytorch-trpo : 信任域策略优化(TRPO)的 PyTorch 实现
pytorch-explain-black-box ：通过有意义的扰动对黑盒进行可解释性解释的 PyTorch 实现
vae_vpflows ：用于凸组合线性 IAF 和 Householder 流的 PyTorch 代码，J.M. Tomczak & M. Welling https://jmtomczak.github.io/deebmed.html
relational-networks ：关系推理的简单神经网络模块（关系网络）的 PyTorch 实现 https://arxiv.org/pdf/1706.01427.pdf
vqa.pytorch ：PyTorch 中的视觉问答
end-to-end-negotiator : 谈判对话的端到端学习：交易还是不交易？
odin-pytorch : 神经网络中分布外样本的原理性检测。
FreezeOut : 通过逐步冻结层加速神经网训练。
ARAE : 赵氏、金氏、张氏、拉斯和勒库恩撰写的论文《用于生成离散结构的对抗正则化自动编码器》的代码。
forward-thinking-pytorch : "Forward Thinking: Building and Training Neural Networks One Layer at a Time" 的 PyTorch 实现 https://arxiv.org/pdf/1706.02480.pdf
context_encoder_pytorch : Context Encoders 的 PyTorch 实现
attention-is-all-you-need-pytorch : "Attention is All You Need" 中 Transformer 模型的 PyTorch 实现。https://github.com/thnkim/OpenFacePytorch
OpenFacePytorch : 使用 OpenFace 的 nn4.small2.v1.t7 模型的 PyTorch 模块
neural-combinatorial-rl-pytorch ：使用强化学习的神经组合优化 PyTorch 实现。
pytorch-nec ：神经情景控制（NEC）的 PyTorch 实现。
seq2seq.pytorch ：使用 PyTorch 的序列到序列学习。
Pytorch-Sketch-RNN ：arxiv.org/abs/1704.03477 的 PyTorch 实现。
pytorch-pruning : [1611.06440] 资源高效推理的卷积神经网络剪枝 PyTorch 实现
DrQA : 基于阅读维基百科回答开放域问题的 PyTorch 实现
YellowFin_Pytorch : 自动调整动量 SGD 优化器
samplernn-pytorch : SampleRNN 的 PyTorch 实现：一个无条件端到端神经音频生成模型
AEGeAN : 基于自编码器稳定化的深度 DCGAN
/pytorch-SRResNet : 使用生成对抗网络实现照片级真实单图像超分辨率，arXiv:1609.04802v2
vsepp : 论文"VSE++: 改进的视觉语义嵌入"的代码
Pytorch-DPPO : 分布式近端策略优化的 Pytorch 实现：arxiv.org/abs/1707.02286
UNIT ：我们耦合的 VAE-GAN 算法在无监督图像到图像转换中的 PyTorch 实现
efficient_densenet_pytorch ：一种内存高效的 DenseNets 实现
tsn-pytorch ：PyTorch 中的时间段网络（TSN）。
SMASH ：一种用于高效探索神经架构的实验技术。
pytorch-retinanet : PyTorch 中的 RetinaNet
biogans : 支持 ICCV 2017 论文"GANs for Biological Image Synthesis"的实现
Semantic Image Synthesis via Adversarial Learning : ICCV 2017 论文"Semantic Image Synthesis via Adversarial Learning"的 PyTorch 实现
fmpytorch : 在 Cython 中实现的因子机模块的 PyTorch 实现
ORN ：CVPR 2017 会议论文"Oriented Response Networks"的 PyTorch 实现。
pytorch-maml ：MAML 的 PyTorch 实现，arxiv.org/abs/1703.03400。
pytorch-generative-model-collections ：Pytorch 版本的生成模型集合。
vqa-winner-cvprw-2017 ：VQA 挑战工作坊在 CVPR'17 中的优胜者 PyTorch 实现。
tacotron_pytorch ：基于 PyTorch 的 Tacotron 语音合成模型实现。
pspnet-pytorch ：基于 PyTorch 的 PSPNet 分割网络实现。
LM-LSTM-CRF ：通过任务感知语言模型赋能序列标注任务 http://arxiv.org/abs/1709.04109
face-alignment ：基于 Pytorch 实现的论文"我们离解决 2D & 3D 人脸对齐问题还有多远？(以及一个包含 230,000 个 3D 人脸关键点的数据集)"，ICCV 2017
DepthNet ：在 Still Box 数据集上使用 PyTorch 进行 DepthNet 训练。
EDSR-PyTorch ：CVPRW 2017 年论文《Enhanced Deep Residual Networks for Single Image Super-Resolution》的 PyTorch 版本。
e2c-pytorch ：PyTorch 中的 Embed to Control 实现。
3D-ResNets-PyTorch ：用于动作识别的 3D ResNets。
bandit-nmt : 这是我们的 EMNLP 2017 论文《基于模拟人类反馈的强化学习用于 Bandit 神经机器翻译》的代码库，实现了在神经编码器-解码器模型上基于 A2C 算法，并在模拟噪声奖励下对组合进行基准测试。
pytorch-a2c-ppo-acktr : 使用 Kronecker 分解近似（ACKTR）的深度强化学习中的优势演员评论家（A2C）、近端策略优化（PPO）和可扩展信任区域方法的 PyTorch 实现。
zalando-pytorch : Zalando 的Fashion-MNIST数据集上的各种实验。
sphereface_pytorch : SphereFace 的 PyTorch 实现。
Categorical DQN ：来自《从分布视角看强化学习》(A Distributional Perspective on Reinforcement Learning)的 Categorical DQN 的 PyTorch 实现。
pytorch-ntm ：pytorch ntm 实现。
mask_rcnn_pytorch ：PyTorch 中的 Mask RCNN。
graph_convnets_pytorch ：NIPS’16 的图卷积网络 PyTorch 实现。
pytorch-faster-rcnn ：基于 Xinlei Chen 的 tf-faster-rcnn 的 pytorch 实现 faster RCNN 检测框架。
torchMoji ：DeepMoji 模型的 pyTorch 实现：用于分析情感、情绪、讽刺等的最先进的深度学习模型。
semantic-segmentation-pytorch ：在 MIT ADE20K 数据集上进行语义分割/场景解析的 pytorch 实现。
pytorch-qrnn ：Quasi-Recurrent Neural Network 的 pyTorch 实现——比 NVIDIA 的 cuDNN LSTM 快 16 倍。
pytorch-sgns : PyTorch 中的 Skipgram Negative Sampling。
SfmLearner-Pytorch : Tinghui Zhou 等人开发的 SfmLearner 的 PyTorch 版本。
deformable-convolution-pytorch : 可变形卷积的 PyTorch 实现。
skip-gram-pytorch : 完整的 skipgram 模型 PyTorch 实现（包含子采样和负采样）。嵌入结果使用 Spearman 等级相关系数进行测试。
stackGAN-v2 : Pytorch 实现，用于复现论文《StackGAN++：基于堆叠生成对抗网络的逼真图像合成》中 Han Zhang*, Tao Xu*, Hongsheng Li, Shaoting Zhang, Xiaogang Wang, Xiaolei Huang, Dimitris Metaxas 提出的 StackGAN_v2 结果。
self-critical.pytorch : 用于图像描述的 Self-critical 序列训练的非官方 Pytorch 实现。
pygcn : PyTorch 中的图卷积网络。
dnc : 可微分的神经计算机，用于 Pytorch。
prog_gans_pytorch_inference : PyTorch 推理实现"GAN 渐进式增长"，使用 CelebA 快照。
pytorch-capsule : Hinton 动态胶囊路由的 PyTorch 实现。
PyramidNet-PyTorch : PyramidNet（深度金字塔残差网络，arxiv.org/abs/1610.02915）的 PyTorch 实现。
radio-transformer-networks : 基于"物理层深度学习导论"论文的 Radio Transformer Networks 的 PyTorch 实现。arxiv.org/abs/1702.00832
honk : Google 的 TensorFlow CNNs 在关键词识别方面的 PyTorch 重现。
DeepCORAL : 'Deep CORAL: Correlation Alignment for Deep Domain Adaptation.' 的 PyTorch 实现，ECCV 2016。
pytorch-pose : 用于 2D 人体姿态估计的 PyTorch 工具包。
lang-emerge-parlai : 使用 PyTorch 和 ParlAI 实现 EMNLP 2017 论文 "Natural Language Does Not Emerge 'Naturally' in Multi-Agent Dialog"。
Rainbow : Rainbow：结合深度强化学习的改进
pytorch_compact_bilinear_pooling v1 : 该仓库提供了 PyTorch 的紧凑双线性池化和计数草图的原生 Python 实现。
CompactBilinearPooling-Pytorch v2 : (高杨等) 紧凑双线性池化的 Pytorch 实现。
FewShotLearning : 论文"Optimization as a Model for Few-Shot Learning"的 Pytorch 实现
meProp : "meProp: 用于加速深度学习并减少过拟合的稀疏反向传播" 的代码。
SFD_pytorch : 单次拍摄尺度不变人脸检测器的 PyTorch 实现。
GradientEpisodicMemory : 使用 GEM（梯度情景记忆）的连续学习。https://arxiv.org/abs/1706.08840
DeblurGAN : "DeblurGAN: 使用条件对抗网络进行盲运动去模糊" 的 Pytorch 实现。
StarGAN : StarGAN: 用于多域图像到图像转换的统一生成对抗网络。
CapsNet-pytorch : NIPS 2017 论文《Capsules 之间的动态路由》的 PyTorch 实现。
CondenseNet : CondenseNet: 使用学习到的组卷积的高效 DenseNet。
deep-image-prior : 使用神经网络进行图像恢复，但无需学习。
deep-head-pose ：使用 PyTorch 的深度学习头部姿态估计。
Random-Erasing ：该代码包含论文 "Random Erasing Data Augmentation" 的源代码。
FaderNetworks ：Fader Networks：通过滑动属性操纵图像 - NIPS 2017
FlowNet 2.0 ：FlowNet 2.0：深度网络下光流估计的演进
pix2pixHD : 使用条件式生成对抗网络合成和操作 2048x1024 图像 tcwang0509.github.io/pix2pixHD
pytorch-smoothgrad : PyTorch 中的 SmoothGrad 实现
RetinaNet : PyTorch 中的 RetinaNet 实现。
faster-rcnn.pytorch : 该项目是一个更快的 Faster R-CNN 实现，旨在加速 Faster R-CNN 物体检测模型的训练。
mixup_pytorch ：基于 PyTorch 的 Mixup 论文实现，超越 PyTorch 中的经验风险最小化。
inplace_abn ：用于 DNN 内存优化训练的原位激活批归一化。
pytorch-pose-hg-3d ：用于 3D 人体姿态估计的 PyTorch 实现。
nmn-pytorch ：用于 VQA 的 PyTorch 神经模块网络。
bytenet : "Neural Machine Translation in Linear Time" 论文中 bytenet 的 Pytorch 实现
bottom-up-attention-vqa : vqa, 自底向上注意力, pytorch
yolo2-pytorch : YOLOv2 是最流行的一阶段目标检测器之一。该项目采用 PyTorch 作为开发框架以提高生产力，并利用 ONNX 将模型转换为 Caffe 2 以便于工程部署。
reseg-pytorch : ReSeg (arxiv.org/pdf/1511.07053.pdf) 的 Pytorch 实现
binary-stochastic-neurons : PyTorch 中的二元随机神经元。
pytorch-pose-estimation : 实时多人姿态估计的 PyTorch 实现项目。
interaction_network_pytorch : 用于学习物体、关系和物理的交互网络的 Pytorch 实现。
NoisyNaturalGradient : 论文"Noisy Natural Gradient as Variational Inference"的 Pytorch 实现。
ewc.pytorch : 弹性权重整合（EWC）的实现，由 James Kirkpatrick 等人提出，发表于 2016 年《PNAS》期刊（10.1073/pnas.1611835114），用于解决神经网络中的灾难性遗忘问题。
pytorch-zssr : 基于深度内部学习的“零样本”超分辨率（1712.06087）的 PyTorch 实现。
deep_image_prior : PyTorch 中基于深度图像先验（Ulyanov 等人，2017 年）的图像重建方法实现。
pytorch-transformer : 《Attention is all you need》的 PyTorch 实现。
DeepRL-Grounding ：这是 AAAI-18 论文《面向任务型语言 grounding 的门控注意力架构》的 PyTorch 实现
deep-forecast-pytorch ：使用 PyTorch 中的 LSTM 进行风速预测（arxiv.org/pdf/1707.08110.pdf）
cat-net ：规范外观变换
minimal_glo ：从论文《优化生成网络的潜在空间》中生成潜在优化的最小 PyTorch 实现
LearningToCompare-Pytorch : 论文《Learning to Compare: Relation Network for Few-Shot Learning》的 Pytorch 实现。
poincare-embeddings : NIPS-17 论文《Poincaré Embeddings for Learning Hierarchical Representations》的 PyTorch 实现。
pytorch-trpo(Hessian-vector product version) : 使用精确 Hessian-vector product 而不是有限差分近似的 "Trust Region Policy Optimization (TRPO)" 的 PyTorch 实现。
ggnn.pytorch : Gated Graph Sequence Neural Networks (GGNN) 的 PyTorch 实现。
visual-interaction-networks-pytorch : 这是使用 PyTorch 实现的 DeepMind 视觉交互网络论文
adversarial-patch : 对抗补丁的 PyTorch 实现。
Prototypical-Networks-for-Few-shot-Learning-PyTorch : 基于 PyTorch 实现的用于小样本学习的原型网络 (arxiv.org/abs/1703.05175)
Visual-Feature-Attribution-Using-Wasserstein-GANs-Pytorch : 基于 PyTorch 实现的利用 Wasserstein GANs 进行视觉特征归因 (arxiv.org/abs/1711.08998)
使用级联细化网络的摄影图像合成-Pytorch : 使用级联细化网络的摄影图像合成 - Pytorch 实现
ENAS-pytorch : 通过参数共享进行高效神经架构搜索的 PyTorch 实现。
Neural-IMage-Assessment : 神经图像评估的 PyTorch 实现。
proxprop : 近端反向传播 - 一种神经网络训练算法，采用隐式梯度步长而非显式梯度步长。
FastPhotoStyle ：一种用于照片级真实图像风格迁移的封闭形式解
Deep-Image-Analogy-PyTorch ：基于 pytorch 的 Deep-Image-Analogy 的 Python 实现
Person-reID_pytorch ：用于行人重识别的 PyTorch
pt-dilate-rnn ：PyTorch 中的扩张 RNN
pytorch-i-revnet : i-RevNets 的 Pytorch 实现。
OrthNet : 用于生成正交多项式的 TensorFlow 和 PyTorch 层。
DRRN-pytorch : 深度递归残差网络（DRRN）用于超分辨率（Super Resolution）的实现，CVPR 2017。
shampoo.pytorch : shampoo 的实现。
Neural-IMage-Assessment 2 ：Neural IMage Assessment 的 PyTorch 实现。
TCN ：序列建模基准和时序卷积网络 locuslab/TCN
DCC ：该代码库包含用于复现 Deep Continuous Clustering 论文结果的源代码和数据。
packnet ：PackNet 的代码：通过迭代剪枝将多个任务添加到单个网络中 arxiv.org/abs/1711.05769
PyTorch-progressive_growing_of_gans : PyTorch 实现的 GAN 渐进式增长，用于提高质量、稳定性和多样性。
nonauto-nmt : PyTorch 实现的“非自回归神经机器翻译”
PyTorch-GAN : PyTorch 实现的生成对抗网络。
PyTorchWavelets : PyTorch 实现的 Torrence 和 Compo（1998 年）中的小波分析。
pytorch-made : MADE (Masked Autoencoder Density Estimation) 在 PyTorch 中的实现
VRNN : 从《A Recurrent Latent Variable Model for Sequential Data》中实现的变分循环神经网络 (VRNN) 的 PyTorch 版本
flow : ICLR 2018 论文《Deep Learning for Physical Processes: Integrating Prior Scientific Knowledge》的 PyTorch 实现
deepvoice3_pytorch : 基于卷积网络的文本到语音合成模型的 PyTorch 实现
psmm : Pointer Sentinel Mixture Model 的实现，如 Stephen Merity 等人在论文中所述。
tacotron2 : Tacotron 2 - PyTorch 实现，具有实时推理速度更快的功能。
AccSGD : 实现了 Accelerated SGD 算法的 PyTorch 代码。
QANet-pytorch : 使用 PyTorch 实现的 QANet（在一张 1080Ti 显卡上约 20 小时训练 20 个 epoch 后，EM/F1 = 70.5/77.2）。
ConvE : 卷积二维知识图谱嵌入
Structured-Self-Attention : 论文《A Structured Self-Attentive Sentence Embedding》的实现，该论文发表于 ICLR 2017：arxiv.org/abs/1703.03130。
graphsage-simple : 图像简单参考实现 GraphSAGE。
Detectron.pytorch : Detectron 的 pytorch 实现。支持从头开始训练和直接使用预训练的 Detectron 权重进行推理。
R2Plus1D-PyTorch : 论文《A Closer Look at Spatiotemporal Convolutions for Action Recognition》中描述的基于 R2Plus1D 卷积的 ResNet 架构的 PyTorch 实现
StackNN : 用于神经网络的微分堆栈的 PyTorch 实现。
translagent : 多智能体通信中涌现式翻译的代码。
ban-vqa : 视觉问答的双线性注意力网络。
pytorch-openai-transformer-lm ：这是 OpenAI 的论文《通过生成式预训练改进语言理解》中由 Alec Radford、Karthik Narasimhan、Tim Salimans 和 Ilya Sutskever 提供的 TensorFlow 代码的 PyTorch 实现。
T2F ：使用深度学习的文本到人脸生成。该项目结合了最近的两种架构 StackGAN 和 ProGAN，用于从文本描述中合成人脸。
pytorch - fid ：Fréchet Inception Distance (FID 分数)的 PyTorch 移植
vae_vpflows ：PyTorch 中的凸组合线性 IAF 和 Householder 流的代码，J.M. Tomczak & M. Welling jmtomczak.github.io/deebmed.html
CoordConv-pytorch ：CoordConv 的 Pytorch 实现，引入于论文《卷积神经网络的一个有趣缺陷及其 CoordConv 解决方案》(arxiv.org/pdf/1807.03247.pdf)。
SDPoint ：实现于 CVPR 2018 发表的论文《用于成本可调推理和卷积网络正则化改进的随机下采样》。
SRDenseNet-pytorch ：SRDenseNet-pytorch（ICCV_2017）
GAN_stability ：论文《哪些 GAN 训练方法实际上收敛？》(ICML 2018)的代码。
Mask-RCNN ：Mask RCNN 架构的 PyTorch 实现，作为使用 PyTorch 的工作入门
pytorch-coviar ：压缩视频动作识别
PNASNet.pytorch ：在 ImageNet 上实现 PNASNet-5 的 PyTorch 版本。
NALU-pytorch ：来自 Neural Arithmetic Logic Units arxiv.org/pdf/1808.00508.pdf 的 NAC/NALU 的基本 PyTorch 实现
LOLA_DiCE : 使用 DiCE 的 LOLA (arxiv.org/abs/1709.04326) 的 Pytorch 实现 (arxiv.org/abs/1802.05098)
generative-query-network-pytorch : 根据 "Neural Scene Representation and Rendering" 中描述的 PyTorch 中的生成查询网络 (GQN)
pytorch_hmax : PyTorch 中的视觉 HMAX 模型实现。
FCN-pytorch-easiest : 试图成为最容易使用的 PyTorch FCN (全卷积网络) 实现
transducer ：一个基于 PyTorch 绑定的快速序列转导器实现。
AVO-pytorch ：PyTorch 中的对抗变分优化实现。
HCN-pytorch ：{基于骨架数据的层次聚合的共现特征学习，用于动作识别与检测}的 PyTorch 重实现。
binary-wide-resnet ：McDonnel 在 ICLR 2018 中提出的 1 位权重的宽残差网络的 PyTorch 实现。
piggyback : Piggyback 代码：通过学习掩码权重来适应单个网络到多个任务 arxiv.org/abs/1801.06519
vid2vid : 我们方法在 Pytorch 中的高分辨率（例如 2048x1024）逼真视频到视频翻译的实现。
poisson-convolution-sum : 实现了无限个泊松加权卷积的和
tbd-nets : "通过设计实现透明性：在视觉推理中弥合性能与可解释性之间的差距"的 PyTorch 实现 arxiv.org/abs/1803.05268
attn2d : 普遍注意力：用于序列到序列预测的二维卷积网络
yolov3 : YOLOv3：在 PyTorch 中训练和推理，pjreddie.com/darknet/yolo
deep-dream-in-pytorch : DeepDream 计算机视觉算法的 PyTorch 实现。
pytorch-flows : 用于密度估计算法的 PyTorch 实现
quantile-regression-dqn-pytorch : Quantile Regression DQN 最小可工作示例
relational-rnn-pytorch : DeepMind 关系循环神经网络在 PyTorch 中的实现。
DEXTR-PyTorch : 深度极端切割 http://www.vision.ee.ethz.ch/~cvlsegmentation/dextr
PyTorch_GBW_LM : 用于 Google 十亿词数据集的 PyTorch 语言模型。
Pytorch-NCE : 使用 PyTorch 编写的用于 softmax 输出的噪声对比估计
generative-models : 包含 VAE、BIRVAE、NSGAN、MMGAN、WGAN、WGANGP、LSGAN、DRAGAN、BEGAN、RaGAN、InfoGAN、fGAN、FisherGAN 的注释清晰、易于理解且可视化的 PyTorch 实现
convnet-aig : 具有自适应推理图的卷积网络的 PyTorch 实现
integrated-gradient-pytorch : 这是论文《深度网络的公理化归因》的 PyTorch 实现
MalConv-Pytorch ：MalConv 的 Pytorch 实现。
trellisnet ：用于序列建模的 Trellis 网络
Learning to Communicate with Deep Multi-Agent Reinforcement Learning ：深度多智能体强化学习论文 Learning to Communicate 的 Pytorch 实现。
pnn.pytorch ：CVPR'18 - 扰动神经网络（Perturbative Neural Networks）的 PyTorch 实现，详情请见 http://xujuefei.com/pnn.html。
Face_Attention_Network : Face Attention Network 的 Pytorch 实现，如论文 Face Attention Network: An Effective Face Detector for the Occluded Faces 所述。
waveglow : 基于流模型的语音合成生成网络。
deepfloat : 该仓库包含 SystemVerilog RTL、C++、HLS（Intel FPGA OpenCL 用于包装 RTL 代码）和 Python，用于复现论文"Rethinking floating point for deep learning"中的数值结果。
EPSR : 使用增强感知超分辨率网络分析感知-失真权衡的 Pytorch 实现。该工作在 ECCV 2018 的一部分——PIRM2018-SR 竞赛（区域 1）中获得第一名。
ClariNet : ClariNet 的 Pytorch 实现 arxiv.org/abs/1807.07281
pytorch-pretrained-BERT : Google AI 的 BERT 模型的 PyTorch 版本，附带加载 Google 预训练模型的脚本
torch_waveglow : WaveGlow 的 PyTorch 实现：一种基于流的语音合成生成网络。
3DDFA : TPAMI 2017 论文的 Pytorch 改进重实现：全姿态范围内的面部对齐：一个 3D 整体解决方案。
loss-landscape : loss-landscape 代码用于可视化神经网络的损失曲面。
famos :

Pytorch 版本的论文 "Copy the Old or Paint Anew? An Adversarial Framework for (non-) Parametric Image Stylization" 实现，论文链接为 http://arxiv.org/abs/1811.09236。

back2future.pytorch : 这是一个 Pytorch 版本的实现。

Janai, J., Güney, F., Ranjan, A., Black, M.和 Geiger, A., 基于无监督学习的遮挡多帧光流估计。ECCV 2018。

FFTNet ：FFTNet 语音编码论文的非官方实现。
FaceBoxes.PyTorch ：FaceBoxes 的 PyTorch 实现。
Transformer-XL ：Transformer-XL：超越固定长度上下文的注意力语言模型 https://github.com/kimiyoung/transformer-xl
associative_compression_networks ：关联压缩网络，用于表示学习。
fluidnet_cxx ：使用 ATen 张量库重写的 FluidNet。
Deep-Reinforcement-Learning-Algorithms-with-PyTorch ：该仓库包含 PyTorch 实现的深度强化学习算法。
Shufflenet-v2-Pytorch ：这是 faceplusplus 的 ShuffleNet-v2 的 Pytorch 实现。
GraphWaveletNeuralNetwork ：这是一个图小波神经网络的 Pytorch 实现。ICLR 2019。
AttentionWalk ：这是一个 Watch Your Step: 通过图注意力学习节点嵌入的 Pytorch 实现。NIPS 2018。
SGCN ：这是一个 Signed Graph Convolutional Network 的 Pytorch 实现。ICDM 2018。
SINE ：这是一个 SINE: 可扩展的不完整网络嵌入的 Pytorch 实现。ICDM 2018。
GAM ：这是一个使用结构化注意力的图分类的 Pytorch 实现。KDD 2018。
neural-style-pt ：Justin Johnson 的 Neural-style 的 PyTorch 实现。
TuckER ：TuckER：用于知识图谱补全的张量分解。
pytorch-prunes ：剪枝神经网络：是时候斩草除根了？
SimGNN : SimGNN：一种用于快速图相似度计算的神经网络方法。
Character CNN : 文本分类论文中字符级卷积网络的 PyTorch 实现。
XLM : PyTorch 的跨语言语言模型预训练原始实现。
DiffAI : 一种可证明的对抗样本防御方法，以及用于构建兼容 PyTorch 模型的库。
APPNP : 结合神经网络与个性化 PageRank 进行图分类。ICLR 2019。
NGCN : 一种高阶图卷积层。NeurIPS 2018。
gpt-2-Pytorch : 基于 OpenAI gpt-2 的简单文本生成器 Pytorch 实现
Splitter : Splitter：学习能够捕捉多种社交上下文的节点表示。(WWW 2019)。
CapsGNN : 膜囊图神经网络。(ICLR 2019)。
BigGAN-PyTorch : 作者的非官方官方 PyTorch BigGAN 实现。
ppo_pytorch_cpp : 这是 PyTorch C++ API 的近端策略优化算法的实现。
RandWireNN : 实现："探索随机连接神经网络用于图像识别"。
零样本意图胶囊网络：基于 GPU 加速的 PyTorch 实现，用于“通过胶囊神经网络进行零样本用户意图检测”。
SEAL-CI 半监督图分类：基于层次图视角。(WWW 2019)。
MixHop ：MixHop：通过稀疏邻域混合实现的高阶图卷积架构。ICML 2019。
densebody_pytorch ：基于 PyTorch 实现的 CloudWalk 最新论文 DenseBody。
voicefilter : Google AI 的 VoiceFilter 系统的非官方 PyTorch 实现 http://swpark.me/voicefilter。
NVIDIA/semantic-segmentation : 基于 Improving Semantic Segmentation via Video Propagation and Label Relaxation 的 PyTorch 实现，发表于 CVPR2019。
ClusterGCN : 基于 "Cluster-GCN: An Efficient Algorithm for Training Deep and Large Graph Convolutional Networks" (KDD 2019) 的 PyTorch 实现。
NVlabs/DG-Net : 基于 "Joint Discriminative and Generative Learning for Person Re-identification" (CVPR19 Oral) 的 PyTorch 实现。
NCRF : 基于神经条件随机场（NCRF）的癌症转移检测
pytorch-sift : SIFT 描述符的 PyTorch 实现
brain-segmentation-pytorch : 用于脑部 MRI FLAIR 异常分割的 PyTorch U-Net 实现
glow-pytorch : Glow 的 PyTorch 实现，一种具有可逆 1x1 卷积的生成流（arxiv.org/abs/1807.03039）
EfficientNets-PyTorch ：EfficientNet 的 PyTorch 实现：重新思考卷积神经网络的模型缩放。
STEAL ：STEAL - 从噪声标注中学习语义边界 nv-tlabs.github.io/STEAL
EigenDamage-Pytorch ：ICML'19 论文“EigenDamage：在 Kronecker 分解特征基中进行结构化剪枝”的官方实现。
Aspect-level-sentiment ：ACL2018 论文“Exploiting Document Knowledge for Aspect-level Sentiment Classification”的代码和数据集。
breast_cancer_classifier ：深度神经网络提升放射科医生在乳腺癌筛查中的表现 arxiv.org/abs/1903.08297
DGC-Net ："DGC-Net:密集几何对应网络"的 PyTorch 实现。
universal-triggers ：用于攻击和分析自然语言处理的通用对抗触发器（EMNLP 2019）
Deep-Reinforcement-Learning-Algorithms-with-PyTorch ：深度强化学习算法和环境的 PyTorch 实现。
simple-effective-text-matching-pytorch : ACL2019 论文"Simple and Effective Text Matching with Richer Alignment Features"的 PyTorch 实现。
Adaptive-segmentation-mask-attack (ASMA) : MICCAI2019 论文"Impact of Adversarial Examples on Deep Learning Models for Biomedical Image Segmentation"的 PyTorch 实现。
NVIDIA/unsupervised-video-interpolation : ICCV 2019 会议论文"Unsupervised Video Interpolation Using Cycle Consistency"的 PyTorch 实现。
Seg-Uncertainty : IJCAI 2020 会议论文"Unsupervised Scene Adaptation with Memory Regularization in vivo"的实现。
pulse : 基于生成模型潜在空间探索的自监督照片超分辨率
distance-encoding : 距离编码 - 为结构表示学习设计可证明更强大的 GNNs
Pathfinder Discovery Networks : 用于神经消息传递的 Pathfinder 发现网络
PyKEEN : 用于学习和评估知识图谱嵌入的 Python 库
SSSNET ：SDM2022 论文"SSSNET: 半监督有向网络聚类"的官方实现。
MagNet ：NeurIPS2021 论文"MagNet: 一种用于有向图的神经网络"的官方实现。
Semantic Search ：神经信息检索/语义搜索领域的最新进展。
FreeGrad - PyTorch 库，用于自定义反向传播、直通估计器和梯度变换。

演讲与会议

PyTorch Conference 2018 : 2018 年首次 PyTorch 开发者会议。

其他 Pytorch 活动

the-incredible-pytorch : The Incredible PyTorch: 一个精选的教程、论文、项目、社区及其他与 PyTorch 相关的资源列表。
生成模型：包含生成模型的集合，例如 Tensorflow、Keras 和 Pytorch 中的 GAN、VAE。http://wiseodd.github.io
Pytorch 与 Tensorflow ：Reddit 上关于 Pytorch 与 Tensorflow 的讨论帖。
Pytorch 讨论区
pytorch 笔记本：docker-stack ：一个类似于Jupyter Notebook Scientific Python Stack的项目。
drawlikebobross : 使用神经网络的强大功能模仿 Bob Ross 作画 (使用 PyTorch)！
pytorch-tvmisc : PyTorch 的万能杂项
pytorch-a3c-mujoco : 为 Mujoco gym 环境实现 A3C。
PyTorch in 5 Minutes 。
pytorch_chatbot : 使用 PyTorch 实现的奇妙聊天机器人。
malmo-challenge : Malmo 协作式人工智能挑战赛 - 猪捕捉者团队
sketchnet ：一个模型，它接收一张图像并生成 Processing 源代码，以重新生成该图像
Deep-Learning-Boot-Camp ：一个由非盈利社区运营的 5 天深度学习训练营 http://deep-ml.com。
Amazon_Forest_Computer_Vision ：使用 PyTorch / Keras 进行卫星图像标记的代码，包含大量 PyTorch 技巧。kaggle 竞赛。
AlphaZero_Gomoku ：AlphaZero 算法在 Gomoku（也称为 Gobang 或五子棋）上的一个实现
pytorch-cv : 用于目标检测、分割和姿态估计的仓库。
deep-person-reid : 深度人员再识别方法的 PyTorch 实现。
pytorch-template : PyTorch 模板项目。
Deep Learning With Pytorch TextBook 使用 PyTorch 在文本和视觉中构建神经网络的实用指南。在亚马逊上购买 github 代码仓库
compare-tensorflow-pytorch ：比较用 Tensorflow 和 Pytorch 编写的层之间的输出。
hasktorch ：Haskell 中的张量和神经网络
Deep Learning With Pytorch Deep Learning with PyTorch 教你如何使用 Python 和 PyTorch 实现深度学习算法。
nimtorch ：PyTorch - Python + Nim
derplearning : 自动驾驶遥控车代码。
pytorch-saltnet : Kaggle | TGS 盐识别挑战赛第九名单模型解决方案。
pytorch-scripts : 一些针对 Windows 的 PyTorch 脚本。
pytorch_misc : 为 PyTorch 讨论区创建的代码片段。
awesome-pytorch-scholarship ：一份很棒的 PyTorch 奖学金文章、指南、博客、课程和其他资源的列表。
MentisOculi ：用 PyTorch 编写的光线追踪器（raynet？）
DoodleMaster ："不要编写你的 UI，画出来！"
ocaml-torch ：PyTorch 的 OCaml 绑定。
extension-script : 用于 TorchScript 的自定义 C++/CUDA 算子的示例仓库。
pytorch-inference : 在 Windows10 平台上使用 C++进行 PyTorch 1.0 推理。
pytorch-cpp-inference : 使用 C++将 PyTorch 1.0 模型作为 Web 服务器提供服务。
tch-rs : PyTorch 的 Rust 绑定。
TorchSharp ：Pytorch 引擎的.NET 绑定
ML Workspace ：机器学习和数据科学的一站式 Web IDE。将 Jupyter、VS Code、PyTorch 以及其他许多工具/库整合到一个 Docker 镜像中。
PyTorch Style Guide PyTorch 代码风格指南。一致且良好的代码风格有助于协作并防止错误！

回复点赞举报

开源深度学习框架 PyTorch 学习宝典。与 PyTorch 相关的模型、实现、辅助库、教程等资源