Impresionante lista de pytorch

Impresionante lista de Pytorch

Contenido

• Pytorch y bibliotecas relacionadas
  • PNL y procesamiento del habla
  • Visión por computadora
  • Bibliotecas probabilísticas/generativas
  • Otras bibliotecas
• Tutoriales, libros y ejemplos.
• Implementaciones en papel
• Charlas y Conferencias
• Pytorch en otros lugares

Pytorch y bibliotecas relacionadas

1. pytorch: Tensores y redes neuronales dinámicas en Python con fuerte aceleración de GPU.
2. Captum: interpretabilidad y comprensión del modelo para PyTorch.

PNL y procesamiento del habla:

1. Texto de pytorch: contenidos relacionados con el texto de la antorcha.
2. pytorch-seq2seq: un marco para modelos secuencia a secuencia (seq2seq) implementado en PyTorch.
3. anuvada: Modelos interpretables para PNL usando PyTorch.
4. audio: E/S de audio simple para pytorch.
5. bucle: un método para generar voz entre varios hablantes
6. fairseq-py: kit de herramientas de secuencia a secuencia de investigación de inteligencia artificial de Facebook escrito en Python.
7. discurso: Implementación de PyTorch ASR.
8. OpenNMT-py: traducción automática neuronal de código abierto en PyTorch http://opennmt.net
9. neuralcoref: resolución de correferencia de última generación basada en redes neuronales y spaCy huggingface.co/coref
10. sentiment-discovery: modelado de lenguaje no supervisado a escala para una clasificación sólida de sentimientos.
11. MUSE: una biblioteca para incrustaciones de palabras multilingües supervisadas o no supervisadas
12. nmtpytorch: Marco de traducción automática neuronal en PyTorch.
13. pytorch-wavenet: una implementación de WaveNet con generación rápida
14. Tacotron-pytorch: Tacotron: hacia la síntesis del habla de un extremo a otro.
15. AllenNLP: una biblioteca de investigación de PNL de código abierto, construida sobre PyTorch.
16. PyTorch-NLP: utilidades de texto y conjuntos de datos para PyTorch pytorchnlp.readthedocs.io
17. quick-nlp: biblioteca Pytorch NLP basada en FastAI.
18. TTS: aprendizaje profundo para Text2Speech
19. LÁSER: Representaciones de frases independientes del lenguaje
20. pyannote-audio: Bloques de construcción neuronales para la diarización del hablante: detección de actividad del habla, detección de cambio de hablante, incrustación de hablante
21. gensen: Aprendizaje de representaciones de oraciones distribuidas de propósito general mediante aprendizaje multitarea a gran escala.
22. traducir: Traducir: una biblioteca de idiomas de PyTorch.
23. espnet: kit de herramientas de procesamiento de voz de un extremo a otro espnet.github.io/espnet
24. pythia: un paquete de software para respuesta visual a preguntas
25. UnsupervisedMT: traducción automática neuronal y basada en frases no supervisada.
26. jiant: El kit de herramientas de aprendizaje de representación de oraciones de jiant.
27. BERT-PyTorch: implementación de Pytorch de BERT 2018 de Google AI, con anotaciones simples
28. InferSent: incrustaciones de oraciones (InferSent) y código de entrenamiento para NLI.
29. uis-rnn: Esta es la biblioteca para el algoritmo de red neuronal recurrente de estados entrelazados ilimitados (UIS-RNN), correspondiente al artículo Fully Supervised Speaker Diarization. arxiv.org/abs/1810.04719
30. flair: un marco muy simple para el procesamiento del lenguaje natural (PLN) de última generación
31. pytext: un marco de modelado de lenguaje natural basado en PyTorch fb.me/pytextdocs
32. voicefilter: Implementación no oficial de PyTorch del sistema VoiceFilter de Google AI http://swpark.me/voicefilter
33. BERT-NER: Reconocimiento-de-entidad-nombrada-de-Pytorch-con-BERT.
34. transfer-nlp: biblioteca de PNL diseñada para investigación y desarrollo flexibles
35. texar-pytorch: kit de herramientas para aprendizaje automático y generación de texto, en PyTorch texar.io
36. pytorch-kaldi: pytorch-kaldi es un proyecto para desarrollar sistemas de reconocimiento de voz híbridos DNN/RNN de última generación. La parte DNN es administrada por pytorch, mientras que la extracción de características, el cálculo de etiquetas y la decodificación se realizan con el kit de herramientas kaldi.
37. NeMo: Neural Modules: un conjunto de herramientas para IA conversacional nvidia.github.io/NeMo
38. pytorch-struct: una biblioteca de implementaciones vectorizadas de algoritmos de predicción estructurados centrales (HMM, Dep Trees, CKY, ...)
39. espresso: Espresso: un conjunto de herramientas rápido de reconocimiento de voz neuronal de extremo a extremo
40. transformadores: huggingface Transformadores: procesamiento de lenguaje natural de última generación para TensorFlow 2.0 y PyTorch. huggingface.co/transformers
41. reformer-pytorch: Reformer, el transformador eficiente, en Pytorch
42. torch-metrics: Métricas para la evaluación de modelos en pytorch
43. Speechbrain: SpeechBrain es un conjunto de herramientas de voz todo en uno de código abierto basado en PyTorch.
44. Backprop: Backprop simplifica el uso, el ajuste y la implementación de modelos de aprendizaje automático de última generación.

CV:

1. pytorch vision: conjuntos de datos, transformaciones y modelos específicos de visión por computadora.
2. pt-styletransfer: Transferencia de estilo neuronal como clase en PyTorch.
3. OpenFacePytorch: módulo PyTorch para utilizar el modelo nn4.small2.v1.t7 de OpenFace
4. img_classification_pk_pytorch: Comparación rápida de sus modelos de clasificación de imágenes con los modelos de última generación (como DenseNet, ResNet, ...)
5. SparseConvNet: redes convolucionales dispersas subvariedades.
6. Convolution_LSTM_pytorch: un módulo LSTM de convolución multicapa
7. face-alignment: biblioteca de alineación de caras 2D y 3D creada con pytorch adrianbulat.com
8. pytorch-semantic-segmentation: PyTorch para segmentación semántica.
9. RoIAlign.pytorch: esta es una versión PyTorch de RoIAlign. Esta implementación se basa en crop_and_resize y admite avance y retroceso en CPU y GPU.
10. pytorch-cnn-finetune: ajuste las redes neuronales convolucionales previamente entrenadas con PyTorch.
11. detectorch: Detectorch - detectron para PyTorch
12. Augmentor: Biblioteca de aumento de imágenes en Python para aprendizaje automático. http://augmentor.readthedocs.io
13. s2cnn: esta biblioteca contiene una implementación de PyTorch de las CNN equivalentes de SO(3) para señales esféricas (por ejemplo, cámaras omnidireccionales, señales en el globo).
14. TorchCV: un marco basado en PyTorch para el aprendizaje profundo en visión por computadora.
15. maskrcnn-benchmark: implementación de referencia modular y rápida de algoritmos de segmentación de instancias y detección de objetos en PyTorch.
16. image-classification-mobile: Colección de modelos de clasificación previamente entrenados en ImageNet-1K.
17. medicaltorch: un marco de imágenes médicas para Pytorch http://medicaltorch.readthedocs.io
18. albumentaciones: Biblioteca de aumento rápido de imágenes.
19. Kornia: biblioteca de visión por computadora diferenciable.
20. pytorch-text-recognition: combinación de reconocimiento de texto: CRAFT + CRNN.
21. facenet-pytorch: modelos de reconocimiento y detección de rostros de Pytorch previamente entrenados y transferidos desde davidsandberg/facenet.
22. detectron2: Detectron2 es la plataforma de investigación de próxima generación de FAIR para la detección y segmentación de objetos.
23. vedaseg: un marco de segmentación semántica de pyotrch
24. ClassyVision: un marco PyTorch de extremo a extremo para clasificación de imágenes y videos.
25. detecto:Visión por computadora en Python con menos de 10 líneas de código
26. pytorch3d: PyTorch3D es la biblioteca de componentes reutilizables de FAIR para aprendizaje profundo con datos 3D pytorch3d.org
27. MMDetection: MMDetection es una caja de herramientas de detección de objetos de código abierto, que forma parte del proyecto OpenMMLab.
28. neural-dream: una implementación de PyTorch del algoritmo DeepDream. Crea imágenes alucinógenas de ensueño.
29. FlashTorch: ¡Kit de herramientas de visualización para redes neuronales en PyTorch!
30. Lucent: Lucid de Tensorflow y OpenAI Clarity adaptado para PyTorch.
31. MMDetection3D: MMDetection3D es la plataforma de próxima generación de OpenMMLab para la detección general de objetos 3D, parte del proyecto OpenMMLab.
32. MMSegmentation: MMSegmentation es una caja de herramientas y un punto de referencia de segmentación semántica, que forma parte del proyecto OpenMMLab.
33. MMEditing: MMEditing es una caja de herramientas de edición de imágenes y videos, que forma parte del proyecto OpenMMLab.
34. MMAction2: MMAction2 es la caja de herramientas y punto de referencia de comprensión de acciones de próxima generación de OpenMMLab, una parte del proyecto OpenMMLab.
35. MMPose: MMPose es una caja de herramientas y un punto de referencia para la estimación de pose, que forma parte del proyecto OpenMMLab.
36. ligeramente: Lightly es un marco de visión por computadora para el aprendizaje autosupervisado.
37. RoMa: una biblioteca ligera y eficiente para lidiar con rotaciones 3D.

Bibliotecas probabilísticas/generativas:

1. ptstat: Programación probabilística e inferencia estadística en PyTorch
2. pyro: programación probabilística universal profunda con Python y PyTorch http://pyro.ai
3. probtorch: Probabilistic Torch es una biblioteca para modelos generativos profundos que extiende PyTorch.
4. paysage: Aprendizaje no supervisado y modelos generativos en python/pytorch.
5. pyvarinf: paquete de Python que facilita el uso de métodos bayesianos de aprendizaje profundo con inferencia variacional para PyTorch.
6. pyprob: una biblioteca basada en PyTorch para programación probabilística y compilación de inferencias.
7. mia: una biblioteca para ejecutar ataques de inferencia de membresía contra modelos de aprendizaje automático.
8. pro_gan_pytorch: paquete ProGAN implementado como una extensión de PyTorch nn.Module.
9. botorch: optimización bayesiana en PyTorch

Otras bibliotecas:

1. Extras de pytorch: algunas características adicionales para pytorch.
2. zoológico funcional: PyTorch, a diferencia de lua torch, tiene autograduación en su núcleo, por lo que no es necesario usar la estructura modular de los módulos torch.nn, se pueden asignar fácilmente las variables necesarias y escribir una función que las utilice, lo que a veces es más conveniente. Este repositorio contiene definiciones de modelos de esta manera funcional, con pesos previamente entrenados para algunos modelos.
3. torch-sampling: este paquete proporciona un conjunto de transformaciones y estructuras de datos para muestrear datos en memoria o fuera de memoria.
4. torchcraft-py: contenedor de Python para TorchCraft, un puente entre Torch y StarCraft para la investigación de IA.
5. aorun: Aorun pretende ser un Keras con PyTorch como backend.
6. registrador: Un registrador simple para experimentos.
7. PyTorch-docset: ¡Conjunto de documentos de PyTorch! Úselo con Dash, Zeal, Velocity o LovelyDocs.
8. convert_torch_to_pytorch: convierte el modelo torch t7 al modelo y fuente de pytorch.
9. pretrained-models.pytorch: el objetivo de este repositorio es ayudar a reproducir los resultados de los artículos de investigación.
10. pytorch_fft: contenedor de PyTorch para FFT
11. caffe_to_torch_to_pytorch
12. pytorch-extension: esta es una extensión CUDA para PyTorch que calcula el producto de Hadamard de dos tensores.
13. tensorboard-pytorch: este módulo guarda los tensores de PyTorch en formato tensorboard para su inspección. Actualmente admite funciones escalares, de imagen, de audio y de histograma en tensorboard.
14. gpytorch: GPyTorch es una biblioteca de procesos gaussianos, implementada mediante PyTorch. Está diseñado para crear modelos de procesos gaussianos flexibles y modulares con facilidad, de modo que no sea necesario ser un experto para utilizar GP.
15. foco: Modelos de recomendación profunda que utilizan PyTorch.
16. pytorch-cns: Búsqueda de red comprimida con PyTorch
17. pyinn: Operaciones de redes neuronales PyTorch fusionadas con CuPy
18. inferno: una biblioteca de utilidades alrededor de PyTorch
19. pytorch-fitmodule: método de ajuste súper simple para módulos PyTorch
20. inferno-sklearn: una biblioteca de redes neuronales compatible con scikit-learn que incluye pytorch.
21. pytorch-caffe-darknet-convert: convierte entre pytorch, caffe prototxt/weights y darknet cfg/weights
22. pytorch2caffe: convierte el modelo PyTorch en Caffemodel
23. pytorch-tools: Herramientas para PyTorch
24. sru: Entrenamiento de RNN tan rápido como CNN (arxiv.org/abs/1709.02755)
25. torch2coreml: Antorcha7 -> CoreML
26. PyTorch-Encoding: Red de codificación de textura profunda PyTorch http://hangzh.com/PyTorch-Encoding
27. pytorch-ctc: PyTorch-CTC es una implementación de la decodificación de búsqueda de haz CTC (Clasificación Temporal Conexionista) para PyTorch. Código C++ tomado generosamente de TensorFlow con algunas mejoras para aumentar la flexibilidad.
28. Candlegp: Procesos gaussianos en Pytorch.
29. dpwa: Aprendizaje distribuido mediante promedio por pares.
30. dni-pytorch: interfaces neuronales desacopladas mediante gradientes sintéticos para PyTorch.
31. skorch: una biblioteca de redes neuronales compatible con scikit-learn que incluye pytorch
32. encender: Ignite es una biblioteca de alto nivel para ayudar con el entrenamiento de redes neuronales en PyTorch.
33. Arnold: Arnold - Agente de DOOM
34. pytorch-mcn: Convierte modelos de MatConvNet a PyTorch
35. simple-faster-rcnn-pytorch: una implementación simplificada de Faster R-CNN con rendimiento competitivo.
36. generative_zoo: generative_zoo es un repositorio que proporciona implementaciones funcionales de algunos modelos generativos en PyTorch.
37. pytorchviz: un pequeño paquete para crear visualizaciones de gráficos de ejecución de PyTorch.
38. cogitare: Cogitare: un marco de aprendizaje automático y aprendizaje profundo moderno, rápido y modular en Python.
39. pydlt: Caja de herramientas de aprendizaje profundo basada en PyTorch
40. semi-supervised-pytorch: Implementaciones de diferentes modelos generativos y semisupervisados ​​basados ​​​​en VAE en PyTorch.
41. pytorch_cluster: Biblioteca de extensión PyTorch de algoritmos de clúster de gráficos optimizados.
42. compilador de ensamblaje neuronal: un compilador de ensamblaje neuronal para pyTorch basado en una compilación neuronal adaptativa.
43. caffemodel2pytorch: convierte modelos de Caffe a PyTorch.
44. extension-cpp: Extensiones C++ en PyTorch
45. pytoune: un marco y utilidades similares a Keras para PyTorch
46. jetson-reinforcement: bibliotecas de aprendizaje por refuerzo profundo para NVIDIA Jetson TX1/TX2 con PyTorch, OpenAI Gym y simulador de robótica Gazebo.
47. Matchbox: escriba código PyTorch a nivel de ejemplos individuales y luego ejecútelo de manera eficiente en minibatches.
48. torch-two-sample: una biblioteca PyTorch para pruebas de dos muestras
49. pytorch-summary: Resumen del modelo en PyTorch similar a model.summary() en Keras
50. mpl.pytorch: implementación en Pytorch de MaxPoolingLoss.
51. scVI-dev: rama de desarrollo del proyecto scVI en PyTorch
52. apex: una extensión experimental de PyTorch (quedará obsoleta en un momento posterior)
53. ELF: ELF: una plataforma para la investigación de juegos.
54. Torchlite: una biblioteca de alto nivel además de (no solo) Pytorch
55. joint-vae: Implementación en Pytorch de JointVAE, un marco para desenredar factores de variación continuos y discretos star2
56. SLM-Lab: Marco modular de aprendizaje por refuerzo profundo en PyTorch.
57. bindsnet: un paquete de Python utilizado para simular redes neuronales de picos (SNN) en CPU o GPU usando PyTorch
58. pro_gan_pytorch: paquete ProGAN implementado como una extensión de PyTorch nn.Module
59. pytorch_geometric: Biblioteca de extensión de aprendizaje profundo geométrico para PyTorch
60. torchplus: implementa el operador + en módulos PyTorch, devolviendo secuencias.
61. lagom: lagom: una infraestructura ligera de PyTorch para crear rápidamente prototipos de algoritmos de aprendizaje por refuerzo.
62. torchbearer: torchbearer: una biblioteca de capacitación modelo para investigadores que utilizan PyTorch.
63. pytorch-maml-rl: Aprendizaje por refuerzo con metaaprendizaje independiente del modelo en Pytorch.
64. NALU: Implementación básica de pytorch de NAC/NALU del artículo Neural Arithmetic Logic Units de trask et.al arxiv.org/pdf/1808.00508.pdf
65. QuCumber: Reconstrucción de la función de onda de muchos cuerpos de la red neuronal
66. magnet: Proyectos de aprendizaje profundo que se construyen solos http://magnet-dl.readthedocs.io/
67. opencv_transforms: Implementación OpenCV de los aumentos de imágenes de Torchvision
68. fastai: la biblioteca, lecciones y tutoriales de aprendizaje profundo de fast.ai
69. pytorch-dense-correspondence: Código para "Redes de objetos densos: aprendizaje de descriptores de objetos visuales densos por y para la manipulación robótica" arxiv.org/pdf/1806.08756.pdf
70. colorization-pytorch: Reimplementación de PyTorch de la colorización profunda interactiva richzhang.github.io/ideepcolor
71. beauty-net: una plantilla simple, flexible y extensible para PyTorch. Es hermoso.
72. OpenChem: OpenChem: kit de herramientas de aprendizaje profundo para la investigación en química computacional y diseño de fármacos mariewelt.github.io/OpenChem
73. torchani: potencial de red neuronal preciso en PyTorch aiqm.github.io/torchani
74. PyTorch-LBFGS: una implementación de PyTorch de L-BFGS.
75. gpytorch: una implementación modular y altamente eficiente de procesos gaussianos en PyTorch.
76. arpillera: arpillera en pytorch.
77. vel: Velocidad en la investigación de aprendizaje profundo.
78. nonechucks: omita elementos defectuosos en su PyTorch DataLoader, use transformaciones como filtros y más.
79. torchstat: analizador de modelos en PyTorch.
80. QNNPACK: PAQUETE de red neuronal cuantificada: implementación optimizada para dispositivos móviles de operadores de redes neuronales cuantificadas.
81. torchdiffeq: solucionadores de ODE diferenciables con soporte completo para GPU y retropropagación de memoria O(1).
82. redner: un trazador de caminos de Monte Carlo diferenciable
83. pixyz: una biblioteca para desarrollar modelos generativos profundos de una manera más concisa, intuitiva y ampliable.
84. euclidesdb: una función de aprendizaje automático multimodelo que incorpora una base de datos http://euclidesdb.readthedocs.io
85. pytorch2keras: convierte el gráfico dinámico de PyTorch al modelo Keras.
86. ensalada: Aprendizaje semisupervisado y adaptación de dominio.
87. netharn: arneses de predicción y ajuste parametrizados para pytorch.
88. dgl: paquete de Python creado para facilitar el aprendizaje profundo en gráficos, además de los marcos DL existentes. http://dgl.ai.
89. gandissect: herramientas basadas en Pytorch para visualizar y comprender las neuronas de una GAN. gandissect.csail.mit.edu
90. delira: marco liviano para creación rápida de prototipos y entrenamiento de redes neuronales profundas en imágenes médicas delira.rtfd.io
91. hongo: biblioteca de Python para experimentos de aprendizaje por refuerzo.
92. Xlearn: Transferir biblioteca de aprendizaje
93. geoopt: Métodos de optimización adaptativa de Riemann con pytorch optim
94. veganos: una biblioteca que proporciona varias GAN existentes en PyTorch.
95. geometría de la antorcha: TGM: geometría de PyTorch
96. AdverTorch: una caja de herramientas para la investigación de robustez adversaria (ataque/defensa/entrenamiento)
97. AdaBound: un optimizador que entrena tan rápido como Adam y tan bien como SGD.a
98. fenchel-young-losses: Clasificación probabilística en PyTorch/TensorFlow/scikit-learn con pérdidas de Fenchel-Young
99. pytorch-OpCounter: cuenta los FLOP de tu modelo PyTorch.
100. Tor10: una biblioteca genérica de red tensor diseñada para simulación cuántica, basada en pytorch.
101. Catalyst: utilidades de alto nivel para la investigación de PyTorch DL y RL. Fue desarrollado centrándose en la reproducibilidad, la experimentación rápida y la reutilización de códigos/ideas. Ser capaz de investigar/desarrollar algo nuevo, en lugar de escribir otro circuito de tren normal.
102. Ax: plataforma de experimentación adaptativa
103. pywick: biblioteca de entrenamiento de redes neuronales con baterías de alto nivel para Pytorch
104. torchgpipe: una implementación de GPipe en PyTorch torchgpipe.readthedocs.io
105. hub: Pytorch Hub es un repositorio de modelos previamente entrenado diseñado para facilitar la reproducibilidad de la investigación.
106. pytorch-lightning: marco de investigación rápida para Pytorch. La versión del investigador de keras.
107. Tor10: una biblioteca genérica de red tensor diseñada para simulación cuántica, basada en pytorch.
108. tensorwatch: Depuración, monitoreo y visualización para aprendizaje profundo y aprendizaje por refuerzo de Microsoft Research.
109. wavetorch: resolución numérica y propagación hacia atrás a través de la ecuación de onda arxiv.org/abs/1904.12831
110. diffdist: diffdist es una biblioteca de Python para pytorch. Amplía la funcionalidad predeterminada de torch.autograd y agrega soporte para comunicación diferenciable entre procesos.
111. torchprof: una biblioteca de dependencia mínima para la creación de perfiles capa por capa de modelos Pytorch.
112. osqpth: la capa de resolución OSQP diferenciable para PyTorch.
113. mctorch: una biblioteca de optimización múltiple para el aprendizaje profundo.
114. pytorch-hessian-eigenthings: Descomposición propia eficiente de PyTorch Hessian utilizando el producto vectorial de Hesse y la iteración de potencia estocástica.
115. MinkowskiEngine: Minkowski Engine es una biblioteca de diferencias automáticas para convoluciones dispersas generalizadas y tensores dispersos de alta dimensión.
116. pytorch-cpp-rl: Aprendizaje por refuerzo de PyTorch C++
117. pytorch-toolbelt: Extensiones de PyTorch para creación rápida de prototipos de I+D y cultivo de Kaggle
118. argus-tensor-stream: una biblioteca para la decodificación de transmisiones de video en tiempo real en memoria CUDA tensorstream.argus-ai.com
119. macarico: aprendiendo a buscar en pytorch
120. rlpyt: Aprendizaje por refuerzo en PyTorch
121. pywarm: una forma más limpia de crear redes neuronales para PyTorch. blue-season.github.io/pywarm
122. learn2learn: Marco de metaaprendizaje PyTorch para investigadores http://learn2learn.net
123. torchbeast: una plataforma PyTorch para RL distribuida
124. superior: superior es una biblioteca de pytorch que permite a los usuarios obtener gradientes de orden superior sobre pérdidas que abarcan ciclos de entrenamiento en lugar de pasos de entrenamiento individuales.
125. Torchelie: Torchélie es un conjunto de funciones de utilidad, capas, pérdidas, modelos, entrenadores y otras cosas para PyTorch. torchelie.readthedocs.org
126. CrypTen: CrypTen es un marco de aprendizaje automático que preserva la privacidad escrito con PyTorch y que permite a investigadores y desarrolladores entrenar modelos utilizando datos cifrados. CrypTen actualmente admite la computación segura multipartita como mecanismo de cifrado.
127. cvxpylayers: cvxpylayers es una biblioteca de Python para construir capas de optimización convexas diferenciables en PyTorch
128. RepDistiller: Destilación de representación contrastiva (CRD) y punto de referencia de los métodos de destilación del conocimiento más recientes
129. caolín: biblioteca PyTorch destinada a acelerar la investigación de aprendizaje profundo 3D
130. PySNN: marco eficiente de red neuronal Spiking, creado sobre PyTorch para aceleración de GPU.
131. Sparktorch: entrene y ejecute modelos de Pytorch en Apache Spark.
132. pytorch-metric-learning: la forma más sencilla de utilizar el aprendizaje métrico en su aplicación. Modular, flexible y extensible. Escrito en PyTorch.
133. biblioteca-de-aprendizaje-autónomo: una biblioteca de PyTorch para crear agentes de aprendizaje por refuerzo profundo.
134. flambe: un marco de aprendizaje automático para acelerar la investigación y su camino hacia la producción. flambe.ai
135. pytorch-optimizer: colecciones de algoritmos de optimización modernos para PyTorch, incluye: AccSGD, AdaBound, AdaMod, DiffGrad, Lamb, RAdam, RAdam, Yogi.
136. PyTorch-VAE: una colección de codificadores automáticos variacionales (VAE) en PyTorch.
137. ray: un marco rápido y simple para construir y ejecutar aplicaciones distribuidas. Ray incluye RLlib, una biblioteca de aprendizaje por refuerzo escalable, y Tune, una biblioteca de ajuste de hiperparámetros escalable. rayo.io
138. Pytorch Geométrico Temporal: una biblioteca de extensión temporal para PyTorch Geométrico
139. Poutyne: un marco similar a Keras para PyTorch que maneja gran parte del código repetitivo necesario para entrenar redes neuronales.
140. Pytorch-Toolbox: este es un proyecto de caja de herramientas para Pytorch. Con el objetivo de que escribir código Pytorch sea más fácil, legible y conciso.
141. Pytorch-contrib: contiene implementaciones revisadas de ideas de artículos recientes sobre aprendizaje automático.
142. EfficientNet PyTorch: contiene una reimplementación de PyTorch op-for-op de EfficientNet, junto con modelos y ejemplos previamente entrenados.
143. PyTorch/XLA: PyTorch/XLA es un paquete de Python que utiliza el compilador de aprendizaje profundo XLA para conectar el marco de aprendizaje profundo de PyTorch y las TPU de la nube.
144. webdataset: WebDataset es una implementación de PyTorch Dataset (IterableDataset) que proporciona acceso eficiente a conjuntos de datos almacenados en archivos tar POSIX.
145. volksdep: volksdep es una caja de herramientas de código abierto para implementar y acelerar modelos PyTorch, Onnx y Tensorflow con TensorRT.
146. PyTorch-StudioGAN: StudioGAN es una biblioteca de Pytorch que proporciona implementaciones de redes generativas adversas (GAN) representativas para la generación de imágenes condicionales/incondicionales. StudioGAN tiene como objetivo ofrecer un campo de juego idéntico para las GAN modernas, de modo que los investigadores de aprendizaje automático puedan comparar y analizar fácilmente una nueva idea.
147. torchdrift: biblioteca de detección de deriva
148. acelerar: una forma sencilla de entrenar y utilizar modelos PyTorch con múltiples GPU, TPU y precisión mixta
149. Lightning-Transformers: interfaz flexible para investigación de alto rendimiento utilizando transformadores SOTA que aprovechan Pytorch Lightning, Transformers e Hydra.
150. Flower Un enfoque unificado para el aprendizaje, el análisis y la evaluación federados. Permite federar cualquier carga de trabajo de aprendizaje automático.
151. Lightning-Flash: Flash es una colección de tareas para la creación rápida de prototipos, líneas de base y ajuste de modelos escalables de aprendizaje profundo, construidas en PyTorch Lightning.
152. Pytorch Geométrica Firmada Dirigida: Una biblioteca de extensión firmada y dirigida para PyTorch Geométrica.
153. Koila: un contenedor simple para pytorch que evita problemas de falta de memoria en CUDA.
154. Renate: una biblioteca para el aprendizaje continuo en el mundo real.

Tutoriales, libros y ejemplos.

1. Pytorch práctico : tutoriales que explican diferentes modelos RNN
2. DeepLearningForNLPInPytorch: un tutorial de IPython Notebook sobre aprendizaje profundo, con énfasis en el procesamiento del lenguaje natural.
3. pytorch-tutorial: tutorial para que investigadores aprendan aprendizaje profundo con pytorch.
4. Ejercicios de pytorch: colección de ejercicios de pytorch.
5. Tutoriales de pytorch: varios tutoriales de pytorch.
6. Ejemplos de pytorch: un repositorio que muestra ejemplos del uso de pytorch
7. Práctica de pytorch: algunos scripts de ejemplo en pytorch.
8. Mini tutoriales de pytorch: tutoriales mínimos para PyTorch adaptados de los tutoriales de Theano de Alec Radford.
9. Clasificación de texto de pytorch: una implementación simple de clasificación de texto basada en CNN en Pytorch
10. gatos vs perros: Ejemplo de ajuste de red en pytorch para la competencia kaggle Dogs vs. Cats Redux: Kernels Edition. Actualmente en el puesto 27 (0,05074) en la clasificación.
11. convnet: este es un ejemplo de entrenamiento completo para redes convolucionales profundas en varios conjuntos de datos (ImageNet, Cifar10, Cifar100, MNIST).
12. pytorch-generative-adversarial-networks: red generativa adversarial (GAN) simple que utiliza PyTorch.
13. Contenedores de pytorch: este repositorio tiene como objetivo ayudar a los antiguos Torchies a realizar una transición más fluida al mundo "sin contenedores" de PyTorch al proporcionar una lista de implementaciones de PyTorch de las capas de tablas de Torch.
14. T-SNE en pytorch: experimentos de t-SNE en pytorch
15. AAE_pytorch: codificadores automáticos adversarios (con Pytorch).
16. Kind_PyTorch_Tutorial: Tutorial de Kind PyTorch para principiantes.
17. pytorch-poetry-gen: un char-RNN basado en pytorch.
18. pytorch-REINFORCE: implementación de PyTorch de REINFORCE. Este repositorio admite entornos continuos y discretos en el gimnasio OpenAI.
19. PyTorch-Tutorial : construye tu red neuronal fácil y rápido https://morvanzhou.github.io/tutorials/
20. pytorch-intro: un par de scripts para ilustrar cómo hacer CNN y RNN en PyTorch
21. pytorch-classification: un marco unificado para la tarea de clasificación de imágenes en CIFAR-10/100 e ImageNet.
22. pytorch_notebooks - hardmaru: tutoriales aleatorios creados en NumPy y PyTorch.
23. pytorch_tutoria-quick: Introducción y tutorial rápidos de PyTorch. Está dirigido a investigadores de visión por computadora, gráficos y aprendizaje automático deseosos de probar un nuevo marco.
24. Pytorch_fine_tuning_Tutorial: un breve tutorial sobre cómo realizar ajustes finos o transferir aprendizaje en PyTorch.
25. pytorch_exercises: ejercicios-pytorch
26. detección-de-señales-de-tráfico: ejemplo de nyu-cv-fall-2017
27. mss_pytorch: Separación de voces cantadas mediante inferencia recurrente y conexiones de filtrado por omisión: implementación de PyTorch. Demostración: js-mim.github.io/mss_pytorch
28. DeepNLP-models-Pytorch Implementaciones de Pytorch de varios modelos de Deep NLP en cs-224n (Stanford Univ: NLP con Deep Learning)
29. Tutoriales introductorios de Mila: Se imparten varios tutoriales para dar la bienvenida a nuevos estudiantes en MILA.
30. pytorch.rl.learning: para aprender aprendizaje por refuerzo utilizando PyTorch.
31. minimal-seq2seq: Modelo mínimo Seq2Seq con atención a la traducción automática neuronal en PyTorch
32. tensorly-notebooks: Métodos tensoriales en Python con TensorLy tensorly.github.io/dev
33. pytorch_bits: ejemplos relacionados con la predicción de series temporales.
34. skip-thinkings: una implementación de Skip-Thought Vectors en PyTorch.
35. video-caption-pytorch: código pytorch para subtítulos de videos.
36. Capsule-Network-Tutorial: Tutorial de Capsule Network fácil de seguir de Pytorch.
37. code-of-learn-deep-learning-with-pytorch: este es el código del libro "Aprenda aprendizaje profundo con PyTorch" item.jd.com/17915495606.html
38. RL-Adventure: tutorial de Deep Q Learning paso a paso de Pytorch, fácil de seguir, con código limpio y legible.
39. acelerad_dl_pytorch: Aprendizaje profundo acelerado con PyTorch en el Jupyter Day Atlanta II.
40. RL-Adventure-2: Tutorial de PyTorch4 de: actor crítico / optimización de políticas próximas / acer / ddpg / duelo de gemelos ddpg / actor crítico suave / aprendizaje de imitación adversarial generativo / repetición de experiencia en retrospectiva
41. Redes generativas adversarias (GAN) en 50 líneas de código (PyTorch)
42. codificadores-automáticos-adversarios-con-pytorch
43. transferir aprendizaje usando pytorch
44. cómo-implementar-un-detector-de-objetos-yolo-en-pytorch
45. pytorch-para-recomendadores-101
46. pytorch-para-numpy-usuarios
47. Tutorial de PyTorch: Tutoriales de PyTorch en chino.
48. grokking-pytorch: La guía del autostopista sobre PyTorch
49. PyTorch-Deep-Learning-Minicourse: Minicurso de Aprendizaje Profundo con PyTorch.
50. pytorch-custom-dataset-examples: algunos ejemplos de conjuntos de datos personalizados para PyTorch
51. LSTM multiplicativo para recomendadores basados ​​en secuencias
52. deeplearning.ai-pytorch: Implementaciones PyTorch de la especialización en aprendizaje profundo (deeplearning.ai) de Coursera.
53. MNIST_Pytorch_python_and_capi: este es un ejemplo de cómo entrenar una red MNIST en Python y ejecutarla en c++ con pytorch 1.0
54. torch_light: Los tutoriales y ejemplos incluyen entrenamiento de refuerzo, PNL y CV.
55. portrain-gan: código de antorcha para decodificar (y casi codificar) latentes de Portrait GAN de art-DCGAN.
56. mri-analysis-pytorch: análisis de resonancia magnética utilizando PyTorch y MedicalTorch
57. cifar10-fast: demostración del entrenamiento de una pequeña ResNet en CIFAR10 con una precisión de prueba del 94 % en 79 segundos, como se describe en esta serie de blogs.
58. Introducción al aprendizaje profundo con PyTorch: un curso gratuito de Udacity y Facebook, con una buena introducción a PyTorch y una entrevista con Soumith Chintala, uno de los autores originales de PyTorch.
59. pytorch-sentiment-analysis: tutoriales sobre cómo empezar a utilizar PyTorch y TorchText para el análisis de sentimientos.
60. pytorch-image-models: modelos de imágenes de PyTorch, scripts, pesos previamente entrenados: (SE)ResNet/ResNeXT, DPN, EfficientNet, MobileNet-V3/V2/V1, MNASNet, Single-Path NAS, FBNet y más.
61. CIFAR-ZOO: Implementación de Pytorch para múltiples arquitecturas CNN y mejora de métodos con resultados de última generación.
62. d2l-pytorch: este es un intento de modificar el código del libro de texto Dive into Deep Learning, Berkeley STAT 157 (primavera de 2019) en PyTorch.
63. think-in-tensors-writing-in-pytorch: Pensar en tensores, escribir en PyTorch (una introducción práctica al aprendizaje profundo).
64. NER-BERT-pytorch: solución PyTorch de tarea de reconocimiento de entidades nombradas utilizando el modelo BERT previamente entrenado de Google AI.
65. pytorch-sync-batchnorm-example: Cómo utilizar réplica cruzada/batchnorm sincronizado en Pytorch.
66. SentimentAnalysis: red neuronal de análisis de sentimientos entrenada mediante el ajuste fino de BERT en Stanford Sentiment Treebank, gracias a la biblioteca Transformers de Hugging Face.
67. pytorch-cpp: implementaciones en C++ de tutoriales de PyTorch para investigadores de aprendizaje profundo (basados ​​en los tutoriales de Python de pytorch-tutorial).
68. Aprendizaje profundo con PyTorch: de cero a GAN: serie de tutoriales interactivos y centrados en la codificación sobre la introducción al aprendizaje profundo con PyTorch (vídeo).
69. Aprendizaje profundo con PyTorch: Aprendizaje profundo con PyTorch le enseña cómo implementar algoritmos de aprendizaje profundo con Python y PyTorch, el libro incluye un caso de estudio: construcción de un algoritmo capaz de detectar tumores pulmonares malignos mediante tomografías computarizadas.
70. Aprendizaje automático sin servidor en acción con PyTorch y AWS: Aprendizaje automático sin servidor en acción es una guía para llevar a producción su código experimental de aprendizaje automático de PyTorch utilizando capacidades sin servidor de los principales proveedores de la nube como AWS, Azure o GCP.
71. LabML NN: una colección de implementaciones de PyTorch de arquitecturas y algoritmos de redes neuronales con notas en paralelo.
72. Ejecute su ejemplo de PyTorch federado con Flower: este ejemplo demuestra cómo un proyecto de aprendizaje automático centralizado de PyTorch ya existente se puede federar con Flower. Se utiliza un conjunto de datos Cifar-10 junto con una red neuronal convolucional (CNN).

Implementaciones en papel

1. google_evolution: Esto implementa una de las redes de resultados de Evolución a gran escala de clasificadores de imágenes de Esteban Real, et. Alabama.
2. pyscatwave: Transformación de dispersión rápida con CuPy/PyTorch, lea el artículo aquí
3. scalingscattering: Escalado de la transformación de dispersión: redes híbridas profundas.
4. deep-auto-punctuation: una implementación de pytorch de puntuación automática aprendida carácter por carácter.
5. Realtime_Multi-Person_Pose_Estimation: esta es una versión de pytorch de Realtime_Multi-Person_Pose_Estimation, el código de origen está aquí.
6. PyTorch-value-iteration-networks: Implementación de PyTorch del documento Value Iteration Networks (NIPS '16)
7. pytorch_Highway: Red de carreteras implementada en pytorch.
8. pytorch_NEG_loss: pérdida de NEG implementada en pytorch.
9. pytorch_RVAE: Autoencoder variacional recurrente que genera datos secuenciales implementado en pytorch.
10. pytorch_TDNN: NN con retraso de tiempo implementado en pytorch.
11. eve.pytorch: una implementación de Eve Optimizer, propuesta en Imploving Stochastic Gradient Descent with Feedback, Koushik y Hayashi, 2016.
12. e2e-model-learning: Aprendizaje de modelos de un extremo a otro basado en tareas.
13. pix2pix-pytorch: Implementación de PyTorch de "Traducción de imagen a imagen utilizando redes adversas condicionales".
14. Detector MultiBox de disparo único: una implementación de PyTorch del detector MultiBox de disparo único.
15. DiscoGAN: implementación de PyTorch de "Aprender a descubrir relaciones entre dominios con redes generativas adversarias"
16. Implementación oficial de Discogan: Implementación oficial de "Aprender a descubrir relaciones entre dominios con redes adversas generativas".
17. Pytorch-es: esta es una implementación de Pytorch de estrategias de evolución.
18. Piwise: segmentación de píxeles en el conjunto de datos VOC2012 usando Pytorch.
19. Pytorch-DQN: Red profunda de Q-Learning en Pytorch.
20. NeuralTalk2-Pytorch: modelo de subtitulación de imágenes en Pytorch (Finetunable CNN en Branch With_finetune)
21. vnet.pytorch: una implementación de Pytorch para V-Net: redes neuronales totalmente convolucionales para la segmentación de imágenes médicas volumétricas.
22. Pytorch-FCN: Implementación de Pytorch de redes totalmente convolucionales.
23. Monedas de red: BanesNets para CIFAR10/100 implementados en Pytorch. Esta implementación requiere menos memoria GPU que la implementación oficial de la antorcha: https://github.com/szagoruyko/wide-residual-networks.
24. Pytorch_highway_networks: redes de carreteras implementadas en Pytorch.
25. Pytorch-Neucom: Implementación de Pytorch del documento de computadora neuronal diferenciable de Deepmind.
26. TrittGen: genere subtítulos para una imagen usando Pytorch.
27. Animegan: una simple implementación de Pytorch de redes adversas generativas, centrándose en el dibujo de anime.
28. Clasificación de texto CNN: esta es la implementación de las redes neuronales convolucionales de Kim para el documento de clasificación de oraciones en Pytorch.
29. DeepSpeech2: Implementación de DeepSpeech2 utilizando Baidu Warp-CTC. Crea una red basada en la arquitectura DeepSpeech2, entrenada con la función de activación de CTC.
30. SEQ2SEQ: Este repositorio contiene implementaciones de secuencia a modelos de secuencia (SEQ2SEQ) en Pytorch
31. Ventaja asíncrona Actor-Critic en Pytorch: esta es la implementación de Pytorch de A3C como se describe en los métodos asíncronos para el aprendizaje de refuerzo profundo. Dado que Pytorch tiene un método fácil para controlar la memoria compartida dentro de los multiprocesos, podemos implementar fácilmente un método asincrónico como A3C.
32. Densenet: esta es una implementación de Pytorch de la arquitectura Densenet-BC como se describe en el documento de redes convolucionales densamente conectadas por G. Huang, Z. Liu, K. Weinberger y L. van der Maaten. Esta implementación obtiene una tasa de error CIFAR-10+ de 4.77 con un Densenet-BC de 100 capas con una tasa de crecimiento de 12. Su implementación oficial y sus enlaces a muchas otras implementaciones de terceros están disponibles en el repositorio de Liuzhuang13/Densenet en Github.
33. Nninit: esquemas de inicialización de peso para Pytorch nn.modules. Este es un puerto del popular nninit para Torch7 por @kaixhin.
34. RCNN más rápido: esta es una implementación de Pytorch de RCNN más rápido. Este proyecto se basa principalmente en Py-Faster-Rcnn y Tffrcnn. Para detalles sobre R-CNN, consulte el documento R-CNN más rápido: Hacia la detección de objetos en tiempo real con redes de propuestas de región de Shaoqing Ren, Kaiming HE, Ross Girshick, Jian Sun.
35. Doomnet: la versión de Pytorch de Doom-Net implementando algunos modelos RL en el entorno VizDoom.
36. Flyet: Implementación de Pytorch de Flyet por Dosovitskiy et al.
37. Sqeezenet: Implementación de Squeezenet en Pytorch, #### Modelos previos a los datos de CIFAR10 para venir planean entrenar el modelo en CIFAR 10 y agregar conexiones de bloque también.
38. Wassersteingan: Wassersteingan en Pytorch.
39. Optnet: este repositorio es de Brandon Amos y J. Zico Kolter y contiene el código fuente de Pytorch para reproducir los experimentos en nuestro artículo Optnet: optimización diferenciable como una capa en las redes neuronales.
40. Solvente QP: un solucionador QP rápido y diferenciable para Pytorch. Hecho a mano por Brandon Amos y J. Zico Kolter.
41. Learning Q profundo continuo con aceleración basada en modelos: reimplementación del aprendizaje Q profundo continuo con aceleración basada en modelos.
42. Aprendiendo a aprender por descenso de gradiente por descenso de gradiente: implementación de Pytorch de aprender a aprender por descenso de gradiente por ascendencia de gradiente.
43. Estilo de estilo rápido: implementación de Pytorch de estilo rápido de estilo neural, el modelo utiliza el método descrito en las pérdidas perceptivas para la transferencia de estilo en tiempo real y la súper resolución junto con la normalización de instancias.
44. PytorchneuralStyletransfer: Implementación de la transferencia de estilo neuronal en Pytorch.
45. Estilo neuronal rápido para la transformación de estilo de imagen por Pytorch: estilo neuronal rápido para la transformación de estilo de imagen de Pytorch.
46. Transferencia de estilo neuronal: una introducción a Pytorch a través del algoritmo de estilo neuronal (https://arxiv.org/abs/1508.06576) desarrollado por Leon A. Gatys, Alexander S. Ecker y Matthias Bethge.
47. Vin_pytorch_visdom: implementación de Pytorch de redes de iteración de valor (VIN): limpio, simple y modular. Visualización en Visdom.
48. Yolo2: Yolov2 en Pytorch.
49. Transferencia de atención: transferencia de atención en Pytorch, lea el artículo aquí.
50. SvhnClassifier: una implementación de Pytorch del reconocimiento de números de múltiples dígitos de las imágenes de Street View utilizando profundas redes neuronales convolucionales.
51. Pytorch-Deform-Conv: implementación de Pytorch de convolución deformable.
52. Comenzando-Pytorch: implementación de Pytorch de Comenzamiento: redes de equilibrio límite generativo de redes adversas.
53. Treelstm.pytorch: Implementación de Tree LSTM en Pytorch.
54. Edad: Código para el documento "Redes de codificadores generadores adversos" de Dmitry Ulyanov, Andrea Vedaldi y Victor Lempitsky que se pueden encontrar aquí
55. Resnext.pytorch: reproduce resnet-v3 (transformaciones residuales agregadas para redes neuronales profundas) con pytorch.
56. Pytorch-RL: aprendizaje de refuerzo profundo con Pytorch & Visdom
57. Deep-Leafsnap: Leafsnap replicada usando redes neuronales profundas para probar la precisión en comparación con los métodos tradicionales de visión por computadora.
58. Pytorch-Cyclegan-and-Pix2pix: implementación de Pytorch para la traducción de imagen a imagen no emparejada y pareada.
59. A3C-Pytorch: implementación de Pytorch de ventaja algoritmos de actor async crítico (A3C) en Pytorch
60. Pytorch-Value-iteration-Networks: Pytorch Implementación de redes de iteración de valor (NIPS 2016 Best Paper)
61. Transferencia de estilo Pytorch: implementación de Pytorch de una red generativa de estilo múltiple para la transferencia en tiempo real
62. Pytorch-DeepLab-Resnet: Pytorch-DeepLab-Resnet-Model.
63. Pointnet.pytorch: implementación de Pytorch para "Pointnet: aprendizaje profundo en conjuntos de puntos para clasificación y segmentación 3D" https://arxiv.org/abs/1612.00593
64. Pytorch-Playground: modelos y conjuntos de datos de petróleo base en Pytorch (MNIST, SVHN, CIFAR10, CIFAR100, STL10, Alexnet, VGG16, VGG19, Resnet, Inception, Squeezenet) .
65. Pytorch-DNC: Máquina neural de Turing (NTM) e informática neuronal diferenciable (DNC) con Pytorch & Visdom.
66. pytorch_image_classifier: Pipline de clasificador de imágenes mínimo pero práctico usando Pytorch, Finetune en ResNet18, obtuvo una precisión del 99% en pequeños conjuntos de datos.
67. MNIST-SVHN-transfer: implementación de Pytorch de Cyclegan y SGAN para la transferencia de dominio (mínimo).
68. pytorch-yolo2: pytorch-yolo2
69. DNI: Implementar interfaces neuronales desacopladas utilizando gradientes sintéticos en Pytorch
70. WGAN-GP: una implementación de Pytorch del documento "Entrenamiento mejorado de Wasserstein Gans".
71. Pytorch-seq2seq-intento-parsing: análisis de intención y relleno de ranura en Pytorch con SEQ2SEQ + ATENCIÓN
72. Pytorch_nce: una implementación del algoritmo de estimación de contraste de ruido para Pytorch. Trabajando, pero no muy eficiente.
73. Molencoder: Autoencoder molecular en Pytorch
74. Gan-Weight-Norm: Código para "sobre los efectos de la normalización por lotes y peso en redes adversas generativas"
75. LGAMMA: Implementaciones de funciones de Polygamma, Lgamma y Beta para Pytorch
76. BigBatch: Código utilizado para generar los resultados que aparecen en "Train más largo, generalizar mejor: cerrar la brecha de generalización en el entrenamiento por lotes grandes de las redes neuronales"
77. RL_A3C_PYTORCH: Aprendizaje de refuerzo con implementación de A3C LSTM para Atari 2600.
78. Pytorch-Rethering: transferir un tiroteo de aprendizaje para el zoológico modelo de Pytorch (Vision de antorchas)
79. nmp_qc: pase de mensajes neuronales para la visión por computadora
80. Grad-Cam: Implementación de Pytorch de graduados de graduación
81. Pytorch-Trpo: Implementación de Pytorch de la optimización de políticas de la región de confianza (TRPO)
82. Pytorch-Explique-Black-Box: Pytorch Implementación de explicaciones interpretables de cajas negras por perturbación significativa
83. VAE_VPFLOWS: Código en Pytorch para la combinación convexa IAF lineal y el flujo del hogar, JM Tomczak y M. Welling https://jmtomczak.github.io/deebmed.html
84. Relational-NetWorks: implementación de Pytorch de "un módulo de red neuronal simple para razonamiento relacional" (redes relacionales) https://arxiv.org/pdf/1706.01427.pdf
85. vqa.pytorch: respuesta visual en pytorch
86. Negotiator de extremo a extremo: ¿Deal o no Deal? Aprendizaje de extremo a extremo para diálogos de negociación
87. Odin-Pytorch: Detección de principios de ejemplos fuera de distribución en redes neuronales.
88. CongeleOut: acelere la capacitación en red neuronal mediante la congelación progresiva.
89. ARAE: Código para el documento "Autoencoders de adverso regularizados para generar estructuras discretas" de Zhao, Kim, Zhang, Rush y Lecun.
90. Antes de pensamiento-pensamiento-pytorch: implementación de Pytorch de "Pensamiento hacia adelante: construcción y capacitación de redes neuronales una capa a la vez" https://arxiv.org/pdf/1706.02480.pdf
91. context_encoder_pytorch: Pytorch Implemento de codificadores de contexto
92. ATENCIÓN-IS-ALL-A-NEED-PYTORCH: una implementación de Pytorch del modelo de transformador en "La atención es todo lo que necesitas" .https: //github.com/thnkim/openfacePyTorch
93. OpenFacePyTorch: Módulo Pytorch para usar el modelo de OpenFace Nn4.small2.v1.T7
94. Neural-Combinatorial-RL-Pytorch: implementación de Pytorch de optimización combinatoria neural con aprendizaje de refuerzo.
95. Pytorch-NEC: Implementación de Pytorch del control episódico neural (NEC)
96. seq2seq.pytorch: aprendizaje de secuencia a secuencia usando pytorch
97. Pytorch-Sketch-Rnn: una implementación de Pytorch de arxiv.org/abs/1704.03477
98. Pytorch-Pruning: Pytorch Implementación de [1611.06440] Redes neuronales convolucionales de poda por inferencia eficiente de recursos
99. DRQA: una implementación de Pytorch de Reading Wikipedia para responder preguntas de dominio abierto.
100. YellowFin_Pytorch: optimizador SGD de momento de momento automático
101. Sampernn-Pytorch: Implementación de Pytorch de Sampernn: un modelo incondicional de generación de audio neuronal de extremo a extremo.
102. Egeo: DCGAN más profundo con estabilización AE
103. /Pytorch-Srresnet: Implementación de Pytorch para una súper resolución de imagen única fotográfica utilizando una red adversaria generativa ARXIV: 1609.04802V2
104. VSEPP: Código para el documento "VSE ++: incrustaciones semánticas visuales mejoradas"
105. Pytorch-dpo: Implementación de Pytorch de optimización de políticas proximales distribuidas: arxiv.org/abs/1707.02286
106. Unidad: Implementación de Pytorch de nuestro algoritmo VAE-Gan acoplado para la traducción de imagen a imagen no supervisada
107. EFEFMENT_DENSENET_PYTORCH: una implementación eficiente de memoria de densenets
108. TSN-Pytorch: redes de segmento temporal (TSN) en Pytorch.
109. Smash: una técnica experimental para explorar eficientemente las arquitecturas neuronales.
110. Pytorch-Retinanet: Retinanet en Pytorch
111. Bioganos: implementación que respalda el documento ICCV 2017 "Gans para la síntesis de imágenes biológicas".
112. Síntesis de imágenes semánticas a través del aprendizaje adversario: una implementación de Pytorch del documento "Síntesis de imágenes semánticas a través del aprendizaje adversario" en ICCV 2017.
113. FMPYTORCH: una implementación de Pytorch de un módulo de máquina de factorización en Cython.
114. ORN: una implementación de Pytorch de las "redes de respuesta orientadas" en el documento en CVPR 2017.
115. Pytorch-Maml: Implementación de Pytorch de MAML: arxiv.org/abs/1703.03400
116. Pytorch-Modelo-colecciones: colección de modelos generativos en la versión de Pytorch.
117. VQA-Winner-CVPRW-2017: Implementación de Pytorch del ganador del taller VQA Chllange en CVPR'17.
118. Tacotron_pytorch: implementación de Pytorch del modelo de síntesis de habla tacotrón.
119. PSPnet-Pytorch: implementación de Pytorch de la red de segmentación de PSPNET
120. LM-LSTM-CRF: Etiquetado de secuencia de empoderamiento con tareas-aware modelo http://arxiv.org/abs/1709.04109
121. Alineación facial: Pytorch Implementación del documento "¿Qué tan lejos estamos de resolver el problema de alineación de la cara 2D y 3D? (y un conjunto de datos de 230,000 puntos de referencia faciales 3D)", ICCV 2017
122. Profundidad: Pytorch DropeNnet Training en el conjunto de datos de caja fija.
123. EDSR-PYTORCH: Versión de Pytorch de las redes residuales profundas mejoradas de Paper para una súper resolución de una sola imagen "(CVPRW 2017)
124. E2C-PyTorch: incrustado para controlar la implementación en Pytorch.
125. 3D-Resnets-Pytorch: Resnets 3D para el reconocimiento de acción.
126. Bandit-NMT: Este es el repositorio de código para nuestro artículo EMNLP 2017 "Aprendizaje de refuerzo para la traducción de la máquina neuronal de Bandit con retroalimentación humana simulada", lo que implementa el algoritmo A2C sobre un modelo de codificador neural y marca la combinación de la combinación bajo recompensas ruidosas simuladas.
127. PYTORCH-A2C-PPO-ACCUPA: Implementación de Pytorch de Advantage Actor Critic (A2C), Optimización de políticas proximales (PPO) y un método escalable de región de confianza para el aprendizaje de refuerzo profundo utilizando la aproximación a factorización de kronecker (ACKTR).
128. Zalando-Pytorch: varios experimentos en el conjunto de datos de la moda de Zalando.
129. Sphereface_pytorch: una implementación de Pytorch de Sphereface.
130. DQN categórico: una implementación de Pytorch de DQN categórico desde una perspectiva de distribución sobre el aprendizaje de refuerzo.
131. Pytorch-NTM: implementación de Pytorch NTM.
132. Mask_RCNN_Pytorch: Mask Rcnn en Pytorch.
133. Graph_Convnets_Pytorch: implementación de Pytorch de convnets gráficos, NIPS'16
134. Pytorch-Faster-RCNN: una implementación de Pytorch de un marco de detección RCNN más rápido basado en TF-Faster-RCNN de Xinlei Chen.
135. Torchmoji: una implementación de Pytorch del modelo Deepmoji: modelo de aprendizaje profundo de última generación para analizar el sentimiento, la emoción, el sarcasmo, etc.
136. Segmentación semántica-Pytorch: implementación de Pytorch para la segmentación semántica/análisis de escenas en el conjunto de datos MIT ADE20K
137. Pytorch-Qrnn: Implementación de Pytorch de la red neuronal cuasi-recurrente: hasta 16 veces más rápido que Cudnn LSTM de Nvidia
138. Pytorch-sgns: muestreo negativo de Skipgram en Pytorch.
139. SFMlearner-Pytorch: versión de Pytorch de SFMlearner de Tinghui Zhou et al.
140. Deformable-Convolution-Pytorch: implementación de Pytorch de convolución deformable.
141. Skip-Gram-Pytorch: una implementación completa de Pytorch del modelo Skipgram (con submuestreo y muestreo negativo). El resultado de incrustación se prueba con la correlación de rango de Spearman.
142. Stackgan-V2: Implementación de Pytorch para reproducir Stackgan_V2 da como resultado el papel Stackgan ++: síntesis de imágenes realistas con redes adversas generativas apiladas por Han Zhang*, Tao Xu*, Hongsheng Li, Shaoting Zhang, Xiaogang Wang, Xiaolei Huang, DiMitris Metxas.
143. Autocrítico.pytorch: implementación no oficial de Pytorch para el entrenamiento de secuencia autocrítica para el subtiteo de imágenes.
144. PYGCN: Redes convolucionales gráficas en Pytorch.
145. DNC: computadoras neuronales diferenciables, para Pytorch
146. prog_gans_pytorch_inference: inferencia de pytorch por "crecimiento progresivo de Gans" con la instantánea de Celeba.
147. Pytorch-Capsule: implementación de Pytorch del enrutamiento dinámico de Hinton entre cápsulas.
148. Pyramidnet-Pytorch: una implementación de Pytorch para Pyramidnets (redes residuales piramidales profundas, arxiv.org/abs/1610.02915)
149. Radio-Transformer-NetWorks: una implementación de Pytorch de redes de transformadores de radio del documento "Una introducción al aprendizaje profundo para la capa física". arxiv.org/abs/1702.00832
150. Hofice: Pytorch Reimplementation of Google TensorFlow CNNS para la detección de palabras clave.
151. Deepcoral: una implementación de Pytorch de 'Deep Coral: Alineación de correlación para la adaptación de dominio profundo', ECCV 2016
152. Pytorch-pose: un kit de herramientas Pytorch para estimación de pose humana 2D.
153. Lang-Emerge-Parlai: Implementación del documento EMNLP 2017 "El lenguaje natural no surge 'naturalmente' en el diálogo de múltiples agentes" utilizando Pytorch y Parlai
154. Rainbow: Rainbow: combinando mejoras en el aprendizaje de refuerzo profundo
155. pytorch_compact_bilinear_pooling v1: este repositorio tiene una implementación pura de Python de bilíneo compacto y boceto de conteo para Pytorch.
156. CompactBilinealPooling-Pytorch V2: (Yang Gao, et al.) Una implementación de Pytorch para la agrupación bilineal compacta.
157. PewShotlearning: implementación de Pytorch del documento "Optimización como modelo para el aprendizaje de pocos disparos"
158. MEprop: Códigos para "Meprop: propagación de espalda dispersa para el aprendizaje profundo acelerado con sobreajuste reducido".
159. SFD_PYTORCH: una implementación de Pytorch del detector de cara invariante de escala de escala de un solo disparo.
160. GradientepisodicMemory: Aprendizaje continuo con gema: memoria episódica de gradiente. https://arxiv.org/abs/1706.08840
161. DeBlurgan: implementación de Pytorch del papel deblurgan: se desbrovando en movimiento ciego utilizando redes adversas condicionales.
162. Stargan: Stargan: redes adversas generativas unificadas para la transmisión de imagen a imagen de múltiples dominios.
163. Capsnet-Pytorch: implementación de Pytorch de NIPS 2017 enrutamiento dinámico en papel entre cápsulas.
164. Condensenet: Condensenet: un densenet eficiente que utiliza convoluciones grupales aprendidas.
165. Deep-Image-Prior: restauración de imágenes con redes neuronales pero sin aprender.
166. Pose de cabeza profunda: estimación de pose de cabeza de aprendizaje profundo usando Pytorch.
167. Eras aleatoria: este código tiene el código fuente para el documento "Aumento de datos aleatorios".
168. Fadernetworks: Fader Networks: Manipulando imágenes por atributos deslizantes - NIPS 2017
169. Flyet 2.0: Flyet 2.0: Evolución de la estimación del flujo óptico con redes profundas
170. PIX2PIXHD: sintetizando y manipulando imágenes 2048x1024 con gans condicionales tcwang0509.github.io/pix2pixhd
171. Pytorch-Smoothgrad: Implementación de SmoothGrad en Pytorch
172. Retinanet: una implementación de Retinanet en Pytorch.
173. FASTER-RCNN.PYTORCH: este proyecto es una implementación R-CNN más rápida, con el objetivo de acelerar la capacitación de modelos de detección de objetos R-CNN más rápidos.
174. MIXP_PYTORCH: una implementación de Pytorch de la mezcla de papel: más allá de la minimización del riesgo empírico en Pytorch.
175. inplace_abn: BatchNorm activada en el lugar para el entrenamiento optimizado de la memoria de DNNS
176. Pytorch-Pose-HG-3D: Implementación de Pytorch para estimación de pose humana 3D
177. NMN-Pytorch: red de módulos neuronales para VQA en Pytorch.
178. BYTENET: Pytorch Implementación de Bytenet del papel "Traducción de la máquina neuronal en tiempo lineal"
179. Atención ascendente-VQA: VQA, Atención ascendente, Pytorch
180. Yolo2-Pytorch: el Yolov2 es uno de los detector de objetos de una etapa más popular. Este proyecto adopta Pytorch como el marco de desarrollo para aumentar la productividad y utiliza ONNX para convertir modelos en Caffe 2 a la implementación de ingeniería de Benifit.
181. Reseg-Pytorch: implementación de Pytorch de Reseg (arxiv.org/pdf/1511.07053.pdf)
182. neuronas binarias-estocásticas: neuronas estocásticas binarias en Pytorch.
183. Pytorch-Pose-Eestimación: implementación de Pytorch del proyecto de estimación de pose en tiempo real en tiempo real.
184. interacción_network_pytorch: implementación de Pytorch de redes de interacción para aprender sobre objetos, relaciones y física.
185. NoisynaturalGradient: Pytorch Implementación de papel "Gradiente natural ruidoso como inferencia variacional".
186. Ewc.pytorch: una implementación de la consolidación de peso elástico (EWC), propuesta en James Kirkpatrick et al. Superar el olvido catastrófico en las redes neuronales 2016 (10.1073/pnas.1611835114).
187. Pytorch-ZSSR: Implementación de Pytorch de 1712.06087 Super-resolución de "disparo cero" utilizando un aprendizaje interno profundo
188. Deep_image_prior: una implementación de métodos de reconstrucción de imágenes de Deep Image Prior (Ulyanov et al., 2017) en Pytorch.
189. Pytorch-Transformer: la implementación de la atención de Pytorch es todo lo que necesita.
190. Deeprl-Grounding: esta es una implementación de Pytorch de las arquitecturas de atención cerrada de papel AAAAI-18 para la base del lenguaje orientado a las tareas
191. Deep-Forecast-Pytorch: Predicción de velocidad del viento usando LSTM en Pytorch (arxiv.org/pdf/1707.08110.pdf)
192. Cat-Net: transformaciones de apariencia canónica
193. Minimal_glo: Implementación mínima de Pytorch de la optimización latente generativa del documento "Optimización del espacio latente de las redes generativas"
194. LearningTocompare-Pytorch: Implementación de Pytorch para el documento: Aprendizaje para comparar: Red de relaciones para el aprendizaje de pocos disparos.
195. Poincare-Embeddings: Implementación de Pytorch del documento NIPS-17 "Poincaré Incrustes para el aprendizaje de representaciones jerárquicas".
196. Pytorch-TRPO (versión del producto de vector de Hessian): esta es una implementación de Pytorch de "Optimización de políticas de la región de confianza (TRPO)" con el producto exacto de Hessian-Vector en lugar de la aproximación de diferencias finitas.
197. ggnn.pytorch: una implementación de Pytorch de redes neuronales de secuencia de gráficos cerrados (GGNN).
198. visual-interacción-networks-pytorch: esta es una implementación del papel de las redes de interacción visual de DeepMind utilizando Pytorch
199. Parche adversario: implementación de Pytorch de parche adversario.
200. Prototypical-Networks-For-Few-shot-Learning-Pytorch: Implementación de redes prototípicas para pocos aprendizaje de disparos (arxiv.org/abs/1703.05175) en Pytorch
201. Visual-Feature-attribution-wasserstein-gans-pytorch: implementación de la atribución de características visuales utilizando Wasserstein Gans (arxiv.org/abs/1711.08998) en Pytorch.
202. PhotoCiCImageSynthesisWithCascadedRefinementNetworks -Pytorch: Síntesis de imágenes fotográficas con redes de refinamiento en cascada - Implementación de Pytorch
203. Enas-Pytorch: implementación de Pytorch de "búsqueda de arquitectura neural eficiente a través del intercambio de parámetros".
204. Evaluación de imagen neural: una implementación de Pytorch de la evaluación de imágenes neuronales.
205. ProxProp: Propropagación proximal: un algoritmo de entrenamiento de redes neuronales que toma los pasos de gradiente implícito en lugar de explícitos.
206. FastPhotostyle: una solución de forma cerrada para la estilización de imagen fotorrealista
207. Analogía de imagen profunda-Pytorch: una implementación de Python de analogía de imagen profunda basada en Pytorch.
208. Person-REID_PYTORCH: Pytorch for Person Reid.
209. Pt-Dilate-RNN: RNN dilatados en Pytorch.
210. Pytorch-I-Revnet: implementación de Pytorch de I-Revnets.
211. Orthnet: TensorFlow y Pytorch capas para generar polinomios ortogonales.
212. DRRN-Pytorch: una implementación de una red residual recursiva profunda para la super resolución (DRRN), CVPR 2017
213. Shampoo.pytorch: una implementación de Shampoo.
214. Evaluación de imagen neural 2: una implementación de Pytorch de la evaluación de imágenes neuronales.
215. TCN: puntos de referencia de modelado de secuencia y redes convolucionales temporales locuslab/tcn
216. DCC: este repositorio contiene el código fuente y los datos para reproducir resultados de papel de agrupación continua profunda.
217. PackNet: Código para PackNet: Agregar múltiples tareas a una sola red por poda iterativa arxiv.org/abs/1711.05769
218. Pytorch-progresivo_growing_of_gans: implementación de Pytorch del crecimiento progresivo de Gans para mejorar la calidad, estabilidad y variación.
219. Nonauto-NMT: implementación de Pytorch de "traducción a máquina neuronal no autorgresiva"
220. Pytorch-Gan: implementaciones de Pytorch de redes adversas generativas.
221. Pytorchwavelets: implementación de Pytorch del análisis wavelet encontrado en Torrence y Compo (1998)
222. Implementación de Pytorch: Implementación de (estimación de densidad de autoencoder en mascarado) en Pytorch
223. VRNN: Implementación de Pytorch del RNN variacional (VRNN), de un modelo de variable latente recurrente para datos secuenciales.
224. Flujo: implementación de Pytorch de ICLR 2018 Paper Deep Learning para procesos físicos: integración de conocimiento científico previo.
225. DeepVoice3_Pytorch: implementación de Pytorch de modelos de síntesis de texto a voz basados ​​en redes convolucionales
226. PSMM: Immento del modelo de mezcla Sentinel del puntero, como se describe en el documento por Stephen Merity et al.
227. Tacotron2: Tacotron 2-Implementación de Pytorch con inferencia más rápida de tiempo real.
228. ACCSGD: implementa el código PyTorch para el algoritmo SGD acelerado.
229. Qanet-Pytorch: una implementación de Qanet con Pytorch (EM/F1 = 70.5/77.2 después de 20 épocas durante aproximadamente 20 horas en una tarjeta 1080Ti).
230. Transmitir: incrustaciones de gráficos de conocimiento 2D convolucionales
231. Atención estructurada: implementación para el documento una incrustación de oración de autoefición estructurada, que se publica en ICLR 2017: arxiv.org/abs/1703.03130.
232. Graphsage-simple: implementación de referencia simple de GraphSage.
233. Detectron.pytorch: una implementación de Pytorch de Detectron. Tanto el entrenamiento desde cero como la inferencia directamente de los pesos de detectron previos al detenido están disponibles.
234. R2PLUS1D-PYTORCH: Implementación de Pytorch de la arquitectura resnet basada en la convolución R2PLUS1D descrita en el documento "una mirada más cercana a las convoluciones espacio-temporales para el reconocimiento de acción"
235. Stacknn: una implementación de Pytorch de pilas diferenciables para su uso en redes neuronales.
236. Tradagent: código para la traducción emergente en comunicación de múltiples agentes.
237. Ban-VQA: redes de atención bilineal para la respuesta de preguntas visuales.
238. Pytorch-Openai-Transformer-LM: Esta es una implementación de Pytorch del código TensorFlow proporcionado con el documento de OpenAI "Mejora de la comprensión del lenguaje mediante el pre-entrenamiento generativo" de Alec Radford, Karthik Narasimhan, Tim Salimans e Ilya Sutskever.
239. T2F: Generación de texto a cara usando el aprendizaje profundo. Este proyecto combina dos de las arquitecturas recientes Stackgan y Progan para sintetizar caras de descripciones textuales.
240. Pytorch - Fid: un puerto de la distancia de inicio de Fréchet (puntaje FID) a Pytorch
241. VAE_VPFLOWS: Código en Pytorch para la combinación convexa IAF lineal y el flujo del hogar, JM Tomczak y M. Welling Jmtomczak.github.io/deebmed.html
242. CoordConv-Pytorch: implementación de Pytorch de CoordConv introducida en 'una fallida intrigante de redes neuronales convolucionales y el documento de la solución CoordConv'. (arxiv.org/pdf/1807.03247.pdf)
243. SDPoint: implementación de "muestreo descendente estocástico para la inferencia de costo ajustable y una regularización mejorada en redes convolucionales", publicada en CVPR 2018.
244. Srdensenet-Pytorch: Srdensenet-Pytorch （ICCV_2017）
245. Gan_stabilidad: código para el papel "¿Qué métodos de entrenamiento para Gans realmente convergen? (ICML 2018)"
246. Mask-RCNN: una implementación de Pytorch de la arquitectura de Mask Rcnn, sirve como una introducción al trabajo con Pytorch
247. Pytorch-Coviar: reconocimiento de acción de video comprimido
248. PNASNET.PYTORCH: Implementación de Pytorch de PNASNET-5 en ImageNet.
249. Nalu-Pytorch: Implementación básica de Pytorch de NAC/NALU de unidades de lógica aritmética neural arxiv.org/pdf/1808.00508.pdf
250. Lola_dice: implementación de Pytorch de lola (arxiv.org/abs/1709.04326) usando dice (arxiv.org/abs/1802.05098)
251. Generation-Query-Network-Pytorch: Generation Consult Network (GQN) en Pytorch como se describe en "Representación y representación de la escena neuronal"
252. Pytorch_hmax: implementación del modelo de visión Hmax en Pytorch.
253. FCN-Pytorch-MÁS EASA: Tratando de ser la implementación de Pytorch más fácil y simplemente para usar de FCN (redes totalmente convolocionales)
254. Transductor: una implementación de transductor de secuencia rápida con enlaces de Pytorch.
255. Avo-Pytorch: Implementación de la optimización de variaciones adversas en Pytorch.
256. HCN-PyTorch: una reimplementación de Pytorch de {característica de concurrencia que aprende de datos de esqueleto para reconocimiento y detección de acción con agregación jerárquica}.
257. Binary-Wide-REnnet: implementación de Pytorch de redes residuales amplias con pesos de 1 bits de McDonnel (ICLR 2018)
258. Piggyback: Código para Piggyback: Adaptando una sola red a múltiples tareas aprendiendo a enmascarar pesos arxiv.org/abs/1801.06519
259. VID2VID: Implementación de Pytorch de nuestro método para la traducción fotorrealista de video a video fotorrealista (p. Ej.
260. Poisson-Convolution-Sum: implementa una suma infinita de convoluciones ponderadas en Poisson
261. TBD-NET: Implementación de Pytorch de "Transparencia por diseño: cerrar la brecha entre el rendimiento e interpretabilidad en el razonamiento visual" arxiv.org/abs/1803.05268
262. ATTN2D: Atención generalizada: redes convolucionales 2D para la predicción de secuencia a secuencia
263. Yolov3: Yolov3: Entrenamiento e inferencia en Pytorch pjreddie.com/darknet/yolo
264. Deep-Dream-in-Pytorch: implementación de Pytorch del algoritmo de visión por computadora Deepdream.
265. Pytorch-Flows: implementaciones de Pytorch de algoritmos para la estimación de densidad
266. Quantile-Regresión-Dqn-Pytorch: regresión cuantil DQN Un ejemplo de trabajo mínimo
267. RELACIONAL-RNN-PYTORCH: una implementación de las redes neuronales recurrentes relacionales de Deepmind en Pytorch.
268. Dextr-Pytorch: Deep Extreme Cut http://www.vision.ee.ethz.ch/~cvlsegmentation/dextr
269. PYTORCH_GBW_LM: Modelo de lenguaje Pytorch para el conjunto de datos de palabras de Google Billion.
270. Pytorch-NCE: La estimación de contraste de ruido para la salida Softmax escrita en Pytorch
271. Modelos generativos: implementaciones de Pytorch anotadas, comprensibles y visualmente interpretables de: VAE, Birvae, NSGAN, MMGAN, WGAN, WGANGP, LSGAN, DRAGAN, COMENZAR, COMENZAR, RAGAN, INFOGAN, FGAN, FISHERGAN.
272. Convnet-AIG: implementación de Pytorch para redes convolucionales con gráficos de inferencia adaptativa.
273. Pytorch de gradiente integrado: esta es la implementación de Pytorch del documento-Atribución axiomática para redes profundas.
274. Malconv-Pytorch: implementación de Pytorch de MalConv.
275. Trellisnet: Trellis Networks para el modelado de secuencias
276. Aprender a comunicarse con un profundo aprendizaje de refuerzo de múltiples agentes: implementación de Pytorch de aprender a comunicarse con un profundo documento de aprendizaje de refuerzo de múltiples agentes.
277. Pnn.pytorch: implementación de Pytorch de CVPR'18 - Redes neuronales perturbativas http://xujuefei.com/pnn.html.
278. FACE_ATTEND_NETWORK: Implementación de Pytorch de Face Atting Network como se describe en la red de atención de la cara: un detector facial efectivo para las caras ocludidas.
279. Glojo de onda: una red generativa basada en el flujo para la síntesis del habla.
280. Deepfloat: este repositorio contiene el SystemVerilog RTL, C ++, HLS (Intel FPGA OpenCl para envolver el código RTL) y Python necesitaban reproducir los resultados numéricos en "Rethining Floating Point para el aprendizaje profundo"
281. EPSR: Implementación de Pytorch del análisis de la compensación de percepción-distorsión utilizando una red de super-resolución perceptiva mejorada. Este trabajo ha ganado el primer lugar en la competencia PIRM2018-SR (Región 1) celebrada como parte del ECCV 2018.
282. Clarinet: una implementación de Pytorch de Clarinet arxiv.org/abs/1807.07281
283. Pytorch-pretured-bert: versión de Pytorch del modelo Bert de Google AI con script para cargar los modelos previamente capacitados de Google
284. TORCH_WEVEGLOW: una implementación de Pytorch del Glowwow: una red generativa basada en el flujo para la síntesis del habla.
285. 3DDFA: el Pytorch mejoró la reimplementación del documento TPAMI 2017: alineación facial en el rango de pose completo: una solución total 3D.
286. Pérdico-Landscape: código de landscape de pérdida para visualizar el panorama de las redes de redes neuronales.
287. FAMOS: Implementación de Pytorch del documento "Copie el antiguo o de pintura de nuevo? Un marco adversario para (no) estilización de imagen paramétrica" ​​disponible en http://arxiv.org/abs/1811.09236.
288. Back2Future.pytorch: Esta es una implementación de Pytorch de Janai, J., Güney, F., Ranjan, A., Black, M. y Geiger, A., Aprendizaje sin supervisión del flujo óptico múltiple con oclusiones. ECCV 2018.
289. FFTNET: implementación no oficial de FFTNet Vocode Paper.
290. FaceBoxes.pytorch: una implementación de Pytorch de FaceBoxes.
291. Transformer-xl: Transformer-xl: modelos de lenguaje atento más allá de un contenedor de longitud fija: //github.com/kimiyoung/transformer-xl
292. Associative_Compression_Networks: redes de compresión asociativa para el aprendizaje de representación.
293. fluidnet_cxx: fluidnet reescrito con aten tensor lib.
294. Refuerzo profundo-learning-algoritmos con pytorch: este repositorio contiene implementaciones de Pytorch de algoritmos de aprendizaje de refuerzo profundo.
295. Shufflenet-v2-pytorch: esta es una implementación de Pytorch de Shufflenet-V2 de FacePlusplus.
296. GraphWaveletNeuralNetwork: esta es una implementación de Pytorch de la red neuronal de wavelet gráfica. ICLR 2019.
297. Atentionwalk: esta es una implementación de Pytorch de Watch Your Step: Learning Node Incrustes a través de la atención de los gráficos. NIPS 2018.
298. SGCN: Esta es una implementación de Pytorch de la red convolucional de gráficos firmados. ICDM 2018.
299. SINE: Esta es una implementación de Pytorch de SINE: incrustación de red incompleta escalable. ICDM 2018.
300. GAM: Esta es una implementación de Pytorch de la clasificación de gráficos utilizando atención estructural. KDD 2018.
301. Estilo neuronal-PT: una implementación de Pytorch del estilo neuronal de Justin Johnson.
302. Tucker: Tucker: factorización tensoria para la finalización del gráfico de conocimiento.
303. Pytorch-Prunes: podar redes neuronales: ¿es hora de mordisquearlo?
304. Simgnn: Simgnn: un enfoque de red neuronal para el cálculo de similitud de gráficos rápidos.
305. Character CNN: PyTorch implementation of the Character-level Convolutional Networks for Text Classification paper.
306. XLM: PyTorch original implementation of Cross-lingual Language Model Pretraining.
307. DiffAI: A provable defense against adversarial examples and library for building compatible PyTorch models.
308. APPNP: Combining Neural Networks with Personalized PageRank for Classification on Graphs. ICLR 2019.
309. NGCN: A Higher-Order Graph Convolutional Layer. NeurIPS 2018.
310. gpt-2-Pytorch: Simple Text-Generator with OpenAI gpt-2 Pytorch Implementation
311. Splitter: Splitter: Learning Node Representations that Capture Multiple Social Contexts. (WWW 2019).
312. CapsGNN: Capsule Graph Neural Network. (ICLR 2019).
313. BigGAN-PyTorch: The author's officially unofficial PyTorch BigGAN implementation.
314. ppo_pytorch_cpp: This is an implementation of the proximal policy optimization algorithm for the C++ API of Pytorch.
315. RandWireNN: Implementation of: "Exploring Randomly Wired Neural Networks for Image Recognition".
316. Zero-shot Intent CapsNet: GPU-accelerated PyTorch implementation of "Zero-shot User Intent Detection via Capsule Neural Networks".
317. SEAL-CI Semi-Supervised Graph Classification: A Hierarchical Graph Perspective. (WWW 2019).
318. MixHop: MixHop: Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood Mixing. ICML 2019.
319. densebody_pytorch: PyTorch implementation of CloudWalk's recent paper DenseBody.
320. voicefilter: Unofficial PyTorch implementation of Google AI's VoiceFilter system http://swpark.me/voicefilter.
321. NVIDIA/semantic-segmentation: A PyTorch Implementation of Improving Semantic Segmentation via Video Propagation and Label Relaxation, In CVPR2019.
322. ClusterGCN: A PyTorch implementation of "Cluster-GCN: An Efficient Algorithm for Training Deep and Large Graph Convolutional Networks" (KDD 2019).
323. NVlabs/DG-Net: A PyTorch implementation of "Joint Discriminative and Generative Learning for Person Re-identification" (CVPR19 Oral).
324. NCRF: Cancer metastasis detection with neural conditional random field (NCRF)
325. pytorch-sift: PyTorch implementation of SIFT descriptor.
326. brain-segmentation-pytorch: U-Net implementation in PyTorch for FLAIR abnormality segmentation in brain MRI.
327. glow-pytorch: PyTorch implementation of Glow, Generative Flow with Invertible 1x1 Convolutions (arxiv.org/abs/1807.03039)
328. EfficientNets-PyTorch: A PyTorch implementation of EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks.
329. STEAL: STEAL - Learning Semantic Boundaries from Noisy Annotations nv-tlabs.github.io/STEAL
330. EigenDamage-Pytorch: Official implementation of the ICML'19 paper "EigenDamage: Structured Pruning in the Kronecker-Factored Eigenbasis".
331. Aspect-level-sentiment: Code and dataset for ACL2018 paper "Exploiting Document Knowledge for Aspect-level Sentiment Classification"
332. breast_cancer_classifier: Deep Neural Networks Improve Radiologists' Performance in Breast Cancer Screening arxiv.org/abs/1903.08297
333. DGC-Net: A PyTorch implementation of "DGC-Net: Dense Geometric Correspondence Network".
334. universal-triggers: Universal Adversarial Triggers for Attacking and Analyzing NLP (EMNLP 2019)
335. Deep-Reinforcement-Learning-Algorithms-with-PyTorch: PyTorch implementations of deep reinforcement learning algorithms and environments.
336. simple-effective-text-matching-pytorch: A pytorch implementation of the ACL2019 paper "Simple and Effective Text Matching with Richer Alignment Features".
337. Adaptive-segmentation-mask-attack (ASMA): A pytorch implementation of the MICCAI2019 paper "Impact of Adversarial Examples on Deep Learning Models for Biomedical Image Segmentation".
338. NVIDIA/unsupervised-video-interpolation: A PyTorch Implementation of Unsupervised Video Interpolation Using Cycle Consistency, In ICCV 2019.
339. Seg-Uncertainty: Unsupervised Scene Adaptation with Memory Regularization in vivo, In IJCAI 2020.
340. pulse: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models
341. distance-encoding: Distance-Encoding - Design Provably More PowerfulGNNs for Structural Representation Learning.
342. Pathfinder Discovery Networks: Pathfinder Discovery Networks for Neural Message Passing.
343. PyKEEN: A Python library for learning and evaluating knowledge graph embeddings.
344. SSSNET: Official implementation of the SDM2022 paper "SSSNET: Semi-Supervised Signed Network Clustering".
345. MagNet: Official implementation of the NeurIPS2021 paper "MagNet: A Neural Network for Directed Graphs".
346. Semantic Search: Latest in the field of neural information retrieval / semantic search.

Talks & conferences

1. PyTorch Conference 2018: First PyTorch developer conference at 2018.

Pytorch elsewhere

1. the-incredible-pytorch : The Incredible PyTorch: a curated list of tutorials, papers, projects, communities and more relating to PyTorch.
2. generative models: Collection of generative models, eg GAN, VAE in Tensorflow, Keras, and Pytorch. http://wiseodd.github.io
3. pytorch vs tensorflow: an informative thread on reddit.
4. Pytorch discussion forum
5. pytorch notebook: docker-stack: A project similar to Jupyter Notebook Scientific Python Stack
6. drawlikebobross: Draw like Bob Ross using the power of Neural Networks (With PyTorch)!
7. pytorch-tvmisc: Totally Versatile Miscellanea for Pytorch
8. pytorch-a3c-mujoco: Implement A3C for Mujoco gym envs.
9. PyTorch in 5 Minutes.
10. pytorch_chatbot: A Marvelous ChatBot implemented using PyTorch.
11. malmo-challenge: Malmo Collaborative AI Challenge - Team Pig Catcher
12. sketchnet: A model that takes an image and generates Processing source code to regenerate that image
13. Deep-Learning-Boot-Camp: A nonprofit community run, 5-day Deep Learning Bootcamp http://deep-ml.com.
14. Amazon_Forest_Computer_Vision: Satellite Image tagging code using PyTorch / Keras with lots of PyTorch tricks. kaggle competition.
15. AlphaZero_Gomoku: An implementation of the AlphaZero algorithm for Gomoku (also called Gobang or Five in a Row)
16. pytorch-cv: Repo for Object Detection, Segmentation & Pose Estimation.
17. deep-person-reid: Pytorch implementation of deep person re-identification approaches.
18. pytorch-template: PyTorch template project
19. Deep Learning With Pytorch TextBook A practical guide to build neural network models in text and vision using PyTorch. Purchase on Amazon github code repo
20. compare-tensorflow-pytorch: Compare outputs between layers written in Tensorflow and layers written in Pytorch.
21. hasktorch: Tensors and neural networks in Haskell
22. Deep Learning With Pytorch Deep Learning with PyTorch teaches you how to implement deep learning algorithms with Python and PyTorch.
23. nimtorch: PyTorch - Python + Nim
24. derplearning: Self Driving RC Car Code.
25. pytorch-saltnet: Kaggle | 9th place single model solution for TGS Salt Identification Challenge.
26. pytorch-scripts: A few Windows specific scripts for PyTorch.
27. pytorch_misc: Code snippets created for the PyTorch discussion board.
28. awesome-pytorch-scholarship: A list of awesome PyTorch scholarship articles, guides, blogs, courses and other resources.
29. MentisOculi: A raytracer written in PyTorch (raynet?)
30. DoodleMaster: "Don't code your UI, Draw it !"
31. ocaml-torch: OCaml bindings for PyTorch.
32. extension-script: Example repository for custom C++/CUDA operators for TorchScript.
33. pytorch-inference: PyTorch 1.0 inference in C++ on Windows10 platforms.
34. pytorch-cpp-inference: Serving PyTorch 1.0 Models as a Web Server in C++.
35. tch-rs: Rust bindings for PyTorch.
36. TorchSharp: .NET bindings for the Pytorch engine
37. ML Workspace: All-in-one web IDE for machine learning and data science. Combines Jupyter, VS Code, PyTorch, and many other tools/libraries into one Docker image.
38. PyTorch Style Guide Style guide for PyTorch code. Consistent and good code style helps collaboration and prevents errors!

Feedback: If you have any ideas or you want any other content to be added to this list, feel free to contribute.