기능적 동물원: PyTorch는 Lua Torch와 달리 핵심에 autograd가 있으므로 torch.nn 모듈의 모듈식 구조를 사용할 필요가 없으며 필요한 변수를 쉽게 할당하고 이를 활용하는 함수를 작성할 수 있으며 때로는 더 편리합니다. 이 저장소에는 일부 모델에 대해 사전 훈련된 가중치와 함께 이러한 기능적 방식의 모델 정의가 포함되어 있습니다.
torch-sampling: 이 패키지는 메모리 내 또는 메모리 외부 데이터에서 샘플링하기 위한 일련의 변환 및 데이터 구조를 제공합니다.
torchcraft-py: AI 연구를 위해 Torch와 StarCraft를 연결하는 TorchCraft용 Python 래퍼입니다.
aorun: Aorun은 PyTorch를 백엔드로 사용하는 Keras가 될 계획입니다.
logger: 실험을 위한 간단한 로거입니다.
PyTorch-docset: PyTorch 문서세트입니다! Dash, Zeal, Velocity 또는 LovelyDocs와 함께 사용하세요.
Convert_torch_to_pytorch: torch t7 모델을 pytorch 모델 및 소스로 변환합니다.
pretrained-models.pytorch: 이 저장소의 목표는 연구 논문 결과를 재현하는 데 도움을 주는 것입니다.
pytorch_fft: FFT용 PyTorch 래퍼
caffe_to_torch_to_pytorch
pytorch-extension: 두 텐서의 Hadamard 곱을 계산하는 PyTorch용 CUDA 확장입니다.
tensorboard-pytorch: 이 모듈은 검사를 위해 PyTorch 텐서를 텐서보드 형식으로 저장합니다. 현재 텐서보드에서 스칼라, 이미지, 오디오, 히스토그램 기능을 지원합니다.
gpytorch: GPyTorch는 PyTorch를 사용하여 구현된 Gaussian Process 라이브러리입니다. 이는 유연하고 모듈식인 Gaussian Process 모델을 쉽게 생성할 수 있도록 설계되었으므로 전문가가 아니더라도 GP를 사용할 수 있습니다.
스포트라이트: PyTorch를 사용한 심층 추천 모델.
pytorch-cns: PyTorch를 사용한 압축 네트워크 검색
pyinn: CuPy 융합 PyTorch 신경망 작전
inferno: PyTorch 관련 유틸리티 라이브러리
pytorch-fitmodule: PyTorch 모듈을 위한 매우 간단한 피팅 방법
inferno-sklearn: pytorch를 래핑하는 scikit-learn 호환 신경망 라이브러리입니다.
pytorch-caffe-darknet-convert: pytorch, caffe prototxt/weights 및 darknet cfg/weights 간 변환
pytorch2caffe: PyTorch 모델을 Caffemodel로 변환
pytorch-tools: PyTorch용 도구
sru: CNN만큼 빠른 RNN 훈련 (arxiv.org/abs/1709.02755)
torch2coreml: Torch7 -> CoreML
PyTorch-Encoding: PyTorch 딥 텍스처 인코딩 네트워크 http://hangzh.com/PyTorch-Encoding
pytorch-ctc: PyTorch-CTC는 PyTorch용 CTC(Connectionist Temporal Classification) 빔 검색 디코딩을 구현한 것입니다. C++ 코드는 유연성을 높이기 위해 몇 가지 개선 사항을 포함하여 TensorFlow에서 자유롭게 차용했습니다.
candlegp: Pytorch의 가우스 프로세스.
dpwa: 쌍별 평균화를 통한 분산 학습.
dni-pytorch: PyTorch용 합성 그라데이션을 사용하여 분리된 신경 인터페이스.
skorch: pytorch를 래핑하는 scikit-learn 호환 신경망 라이브러리
ignite: Ignite는 PyTorch에서 신경망 훈련을 돕는 고급 라이브러리입니다.
Arnold: Arnold - DOOM 에이전트
pytorch-mcn: MatConvNet에서 PyTorch로 모델 변환
simple-faster-rcnn-pytorch: 경쟁력 있는 성능을 갖춘 Faster R-CNN의 단순화된 구현입니다.
generative_zoo: generative_zoo는 PyTorch에서 일부 생성 모델의 작동 구현을 제공하는 저장소입니다.
pytorchviz: PyTorch 실행 그래프의 시각화를 생성하는 작은 패키지입니다.
cogitare: Cogitare - Python의 현대적이고 빠른 모듈식 딥 러닝 및 머신 러닝 프레임워크입니다.
pydlt: PyTorch 기반 딥러닝 도구 상자
semi-supervised-pytorch: PyTorch에서 다양한 VAE 기반 반지도 및 생성 모델 구현.
pytorch_cluster: 최적화된 그래프 클러스터 알고리즘의 PyTorch 확장 라이브러리입니다.
신경 어셈블리 컴파일러: 적응 신경 컴파일을 기반으로 하는 pyTorch용 신경 어셈블리 컴파일러입니다.
caffemodel2pytorch: Caffe 모델을 PyTorch로 변환합니다.
Extension-cpp: PyTorch의 C++ 확장
pytoune: Keras와 유사한 PyTorch용 프레임워크 및 유틸리티
jetson-reinforcement: PyTorch, OpenAI Gym 및 Gazebo 로봇 시뮬레이터를 갖춘 NVIDIA Jetson TX1/TX2용 심층 강화 학습 라이브러리입니다.
matchbox: 개별 예제 수준에서 PyTorch 코드를 작성한 다음 미니배치에서 효율적으로 실행합니다.
torch-two-sample: 두 샘플 테스트를 위한 PyTorch 라이브러리
pytorch-summary: Keras의 model.summary() 와 유사한 PyTorch의 모델 요약
mpl.pytorch: MaxPoolingLoss의 Pytorch 구현입니다.
scVI-dev: PyTorch의 scVI 프로젝트 개발 브랜치
apex: 실험적인 PyTorch 확장(나중에 더 이상 사용되지 않음)
ELF: ELF: 게임 연구를 위한 플랫폼입니다.
Torchlite: Pytorch 위에 있는 고급 라이브러리
Joint-vae: 연속 및 이산 변동 요인을 풀기 위한 프레임워크인 JointVAE의 Pytorch 구현 star2
SLM-Lab: PyTorch의 모듈식 심층 강화 학습 프레임워크.
바인딩넷(bindsnet): PyTorch를 사용하여 CPU 또는 GPU에서 스파이크 신경망(SNN)을 시뮬레이션하는 데 사용되는 Python 패키지
ray: 분산 애플리케이션을 구축하고 실행하기 위한 빠르고 간단한 프레임워크입니다. Ray는 확장 가능한 강화 학습 라이브러리인 RLlib와 확장 가능한 하이퍼파라미터 튜닝 라이브러리인 Tune과 함께 패키지로 제공됩니다. 레이.io
Pytorch 기하학 임시: PyTorch 기하학을 위한 임시 확장 라이브러리
Poutyne: 신경망 훈련에 필요한 상용구 코드 대부분을 처리하는 PyTorch용 Keras와 유사한 프레임워크입니다.
Pytorch-Toolbox: Pytorch용 도구 상자 프로젝트입니다. Pytorch 코드를 더 쉽고, 읽기 쉽고, 간결하게 작성하는 것을 목표로 합니다.
Pytorch-contrib: 최근 기계 학습 논문에서 아이디어 구현을 검토한 내용이 포함되어 있습니다.
EfficientNet PyTorch: 사전 훈련된 모델 및 예제와 함께 EfficientNet의 op-for-op PyTorch 재구현이 포함되어 있습니다.
PyTorch/XLA: PyTorch/XLA는 XLA 딥 러닝 컴파일러를 사용하여 PyTorch 딥 러닝 프레임워크와 Cloud TPU를 연결하는 Python 패키지입니다.
webdataset: WebDataset는 POSIX tar 아카이브에 저장된 데이터 세트에 대한 효율적인 액세스를 제공하는 PyTorch Dataset(IterableDataset) 구현입니다.
volksdep: volksdep은 TensorRT를 사용하여 PyTorch, Onnx 및 Tensorflow 모델을 배포하고 가속화하기 위한 오픈 소스 도구 상자입니다.
PyTorch-StudioGAN: StudioGAN은 조건부/무조건부 이미지 생성을 위한 대표적인 GAN(Generative Adversarial Networks) 구현을 제공하는 Pytorch 라이브러리입니다. StudioGAN은 기계 학습 연구자가 새로운 아이디어를 쉽게 비교하고 분석할 수 있도록 최신 GAN에 동일한 놀이터를 제공하는 것을 목표로 합니다.
torchdrift: 드리프트 감지 라이브러리
가속 : 다중 GPU, TPU, 혼합 정밀도로 PyTorch 모델을 훈련하고 사용하는 간단한 방법
Lightning-transformers: Pytorch Lightning, Transformers 및 Hydra를 활용하는 SOTA Transformers를 사용하는 고성능 연구를 위한 유연한 인터페이스입니다.
Flower 연합 학습, 분석, 평가에 대한 통합 접근 방식입니다. 이를 통해 모든 기계 학습 워크로드를 통합할 수 있습니다.
Lightning-flash: Flash는 PyTorch Lightning을 기반으로 구축된 빠른 프로토타이핑, 기준 설정 및 확장 가능한 딥 러닝 모델 미세 조정을 위한 작업 모음입니다.
Pytorch 기하학 서명 방향: PyTorch 기하학을 위한 서명 및 방향 확장 라이브러리입니다.
Koila: CUDA의 메모리 부족 문제를 방지하는 pytorch를 둘러싼 간단한 래퍼입니다.
Renate: 실제 지속적인 학습을 위한 라이브러리입니다.
튜토리얼, 서적, 예시
Practical Pytorch : 다양한 RNN 모델을 설명하는 튜토리얼
DeepLearningForNLPInPytorch: 자연어 처리에 중점을 둔 딥 러닝에 대한 IPython 노트북 튜토리얼입니다.
pytorch-tutorial: 연구자들이 pytorch를 사용하여 딥러닝을 배우기 위한 튜토리얼입니다.
pytorch-exercises: pytorch-exercises 컬렉션입니다.
pytorch 튜토리얼: 다양한 pytorch 튜토리얼.
pytorch 예제: pytorch 사용 예제를 보여주는 저장소
pytorch 연습: pytorch에 대한 몇 가지 예제 스크립트입니다.
pytorch 미니 튜토리얼: Alec Radford의 Theano 튜토리얼을 개조한 PyTorch용 최소 튜토리얼입니다.
pytorch 텍스트 분류: Pytorch에서 CNN 기반 텍스트 분류의 간단한 구현
cats vs dogs: Kaggle 경쟁 Dogs vs. Cats Redux: Kernels Edition을 위한 pytorch의 네트워크 미세 조정 예. 현재 리더보드 27위(0.05074)입니다.
convnet: 이는 다양한 데이터 세트(ImageNet, Cifar10, Cifar100, MNIST)에 대한 Deep Convolutional Networks에 대한 완전한 훈련 예제입니다.
pytorch-generative-adversarial-networks: PyTorch를 사용하는 간단한 생성적 적대 네트워크(GAN)입니다.
pytorch 컨테이너: 이 저장소는 Torch 테이블 계층의 PyTorch 구현 목록을 제공하여 이전 Torchies가 PyTorch의 "컨테이너리스" 세계로 보다 원활하게 전환할 수 있도록 돕는 것을 목표로 합니다.
pytorch의 T-SNE: pytorch의 t-SNE 실험
AAE_pytorch: 적대적 자동 인코더(Pytorch 포함).
Kind_PyTorch_Tutorial: 초보자를 위한 Kind PyTorch 튜토리얼입니다.
pytorch-poetry-gen: pytorch를 기반으로 한 char-RNN입니다.
pytorch-REINFORCE: REINFORCE의 PyTorch 구현. 이 저장소는 OpenAI 체육관에서 연속 환경과 이산 환경을 모두 지원합니다.
PyTorch-Tutorial : 쉽고 빠르게 신경망 구축 https://morvanzhou.github.io/tutorials/
pytorch-intro: PyTorch에서 CNN과 RNN을 수행하는 방법을 설명하는 몇 가지 스크립트
pytorch-classification: CIFAR-10/100 및 ImageNet의 이미지 분류 작업을 위한 통합 프레임워크입니다.
pytorch_notebooks - hardmaru: NumPy 및 PyTorch에서 생성된 무작위 튜토리얼.
pytorch_tutoria-quick: 빠른 PyTorch 소개 및 튜토리얼입니다. 새로운 프레임워크를 시도하고자 하는 컴퓨터 비전, 그래픽 및 기계 학습 연구자를 대상으로 합니다.
Pytorch_fine_tuning_Tutorial: PyTorch에서 미세 조정 또는 전이 학습을 수행하는 방법에 대한 짧은 튜토리얼입니다.
pytorch_exercises: pytorch-exercises
교통 표지판 감지: nyu-cv-fall-2017 예
mss_pytorch: 반복 추론 및 건너뛰기 필터링 연결을 통한 노래 음성 분리 - PyTorch 구현. 데모: js-mim.github.io/mss_pytorch
DeepNLP-모델-Pytorch cs-224n에서 다양한 Deep NLP 모델의 Pytorch 구현(Stanford Univ: NLP with Deep Learning)
Mila 입문 튜토리얼: MILA의 신입생을 환영하기 위해 제공되는 다양한 튜토리얼입니다.
pytorch.rl.learning: PyTorch를 사용하여 강화 학습을 학습합니다.
minimal-seq2seq: PyTorch의 신경 기계 번역에 주의를 기울인 최소 Seq2Seq 모델
tensorly-notebooks: TensorLy를 사용하는 Python의 텐서 메서드 tensorly.github.io/dev
pytorch_bits: 시계열 예측 관련 예시.
Skip-Thoughts: PyTorch에서 Skip-Thought 벡터 구현입니다.
video-caption-pytorch: 비디오 캡션을 위한 pytorch 코드입니다.
Capsule-Network-Tutorial: 따라하기 쉬운 Pytorch의 Capsule Network 튜토리얼입니다.
code-of-learn-deep-learning-with-pytorch: "PyTorch로 딥러닝 배우기" 책의 코드입니다. item.jd.com/17915495606.html
RL-Adventure: 깔끔하고 읽기 쉬운 코드가 포함된 Pytorch의 따라하기 쉬운 단계별 Deep Q 학습 튜토리얼입니다.
Accelerated_dl_pytorch: Jupyter Day Atlanta II에서 PyTorch를 사용하여 딥 러닝을 가속화했습니다.
RL-Adventure-2: PyTorch4 튜토리얼: 행위자 비평가 / 근접 정책 최적화 / acer / ddpg / 트윈 결투 ddpg / 소프트 행위자 비평가 / 생성적 적대적 모방 학습 / 사후 경험 재생
50줄의 코드로 구성된 생성적 적대 신경망(GAN)(PyTorch)
Pytorch를 사용한 적대적 자동 인코더
pytorch를 사용한 전이 학습
Pytorch에서 Yolo 객체 감지기를 구현하는 방법
추천자를 위한 pytorch-101
numpy 사용자를 위한 pytorch
PyTorch 튜토리얼: 중국어로 된 PyTorch 튜토리얼.
grokking-pytorch: 히치커를 위한 PyTorch 가이드
PyTorch-Deep-Learning-Minicourse: PyTorch를 사용한 딥 러닝 단기 강좌입니다.
pytorch-custom-dataset-examples: PyTorch를 위한 일부 사용자 정의 데이터 세트 예
NER-BERT-pytorch: Google AI의 사전 훈련된 BERT 모델을 사용하는 명명된 엔터티 인식 작업의 PyTorch 솔루션입니다.
pytorch-sync-batchnorm-example: Pytorch에서 Cross Replica/Synchronized Batchnorm을 사용하는 방법.
SentimentAnalytics: Hugging Face의 Transformers 라이브러리 덕분에 Stanford Sentiment Treebank에서 BERT를 미세 조정하여 학습된 감정 분석 신경망입니다.
pytorch-cpp: 딥 러닝 연구자를 위한 PyTorch 튜토리얼의 C++ 구현입니다(pytorch-tutorial의 Python 튜토리얼 기반).
PyTorch를 사용한 딥 러닝: Zero to GAN: PyTorch를 사용한 딥 러닝 소개에 대한 코딩 중심의 대화형 튜토리얼 시리즈(비디오).
PyTorch를 사용한 딥 러닝: PyTorch를 사용한 딥 러닝에서는 Python 및 PyTorch를 사용하여 딥 러닝 알고리즘을 구현하는 방법을 가르치며, 사례 연구도 포함되어 있습니다. CT 스캔을 사용하여 악성 폐종양을 감지할 수 있는 알고리즘을 구축하는 것입니다.
PyTorch 및 AWS를 사용한 서버리스 기계 학습 실행: 서버리스 기계 학습 실행은 AWS, Azure 또는 GCP와 같은 주요 클라우드 제공업체의 서버리스 기능을 사용하여 실험적인 PyTorch 기계 학습 코드를 프로덕션으로 가져오는 방법에 대한 가이드입니다.
LabML NN: 병렬 메모가 포함된 신경망 아키텍처 및 알고리즘의 PyTorch 구현 모음입니다.
Flower와 연합된 PyTorch 예제 실행: 이 예제는 기존의 중앙 집중식 PyTorch 기계 학습 프로젝트가 Flower와 연합될 수 있는 방법을 보여줍니다. Cifar-10 데이터세트는 CNN(Convolutional Neural Network)과 함께 사용됩니다.
종이 구현
google_evolution: Esteban Real 등의 이미지 분류기의 대규모 진화 결과 네트워크 중 하나를 구현합니다. 알.
pyscatwave: CuPy/PyTorch를 사용한 빠른 산란 변환, 여기에서 논문을 읽어보세요.
scalescattering: 산란 변환 확장: 심층 하이브리드 네트워크.
deep-auto-punkation: 문자별로 학습된 자동 구두점의 pytorch 구현입니다.
Realtime_Multi-Person_Pose_Estimation: 이것은 Realtime_Multi-Person_Pose_Estimation의 파이토치 버전이며, 원본 코드는 여기에 있습니다.
PyTorch-value-iteration-networks: Value Iteration Networks(NIPS '16)의 PyTorch 구현 논문
pytorch_Highway: pytorch로 구현된 고속도로 네트워크입니다.
pytorch_NEG_loss: pytorch에 구현된 NEG 손실입니다.
pytorch_RVAE: pytorch에서 구현된 순차 데이터를 생성하는 순환 변형 자동 인코더입니다.
pytorch_TDNN: pytorch에 구현된 시간 지연 NN입니다.
eve.pytorch: Imploving Stochastic Gradient Descent with Feedback, Koushik 및 Hayashi, 2016에서 제안된 Eve Optimizer 구현입니다.
e2e-model-learning: 작업 기반 엔드투엔드 모델 학습입니다.
pix2pix-pytorch: "조건부 적대 네트워크를 사용한 이미지-이미지 변환"의 PyTorch 구현입니다.
단일 샷 멀티박스 감지기: 단일 샷 멀티박스 감지기를 PyTorch로 구현한 것입니다.
DiscoGAN: "생성적 적대 네트워크를 사용하여 도메인 간 관계를 발견하는 방법 학습"의 PyTorch 구현
공식 디스코 간 구현 : "생성 적대성 네트워크와의 교차 도메인 관계를 발견하는 학습"의 공식 구현.
Pytorch-ES : 이것은 진화 전략의 Pytorch 구현입니다.
PIWISE : Pytorch를 사용한 VOC2012 데이터 세트의 픽셀 별 세그먼트.
Pytorch-DQN : Pytorch의 딥 Q- 러닝 네트워크.
NeuralTalk2-Pytorch : Pytorch의 이미지 캡션 모델
vnet.pytorch : V-NET를위한 Pytorch 구현 : 부피의 의료 이미지 세분화를위한 완전 컨볼 루션 신경망.
Pytorch-FCN : 완전 컨볼 루션 네트워크의 Pytorch 구현.
WIDERESNETS : Pytorch에서 구현 된 CIFAR10/100을위한 Wideresnets. 이 구현은 공식 토치 구현에 필요한 것보다 https://github.com/szagoruyko/wide-residual-networks보다 GPU 메모리가 적습니다.
pytorch_highway_networks : Pytorch에서 구현 된 고속도로 네트워크.
Pytorch-Neucom : Deepmind의 차별화 가능한 신경 컴퓨터 용지의 Pytorch 구현.
CaptionGen : Pytorch를 사용하여 이미지의 캡션을 생성합니다.
ANIMEGAN : 애니메이션 페이스 드로잉에 중점을 둔 생성 적대 네트워크의 간단한 pytorch 구현.
CNN-TEXT 분류 : 이것은 Pytorch의 문장 분류 논문을위한 Kim의 Convolutional Neural Networks의 구현입니다.
DeepSpeech2 : Baidu Warp-CTC를 사용한 DeepSpeech2 구현. CTC 활성화 기능으로 교육을받은 DeepSpeech2 아키텍처를 기반으로 네트워크를 만듭니다.
seq2seq :이 저장소에는 pytorch에서 시퀀스 시퀀스 (seq2seq) 모델의 구현이 포함되어 있습니다.
Pytorch의 비동기 우위 액터-비법 : 이것은 깊은 강화 학습을위한 비동기 방법에 기술 된대로 A3C의 Pytorch 구현이다. Pytorch는 다중 프로세스 내에서 공유 메모리를 쉽게 제어 할 수 있으므로 A3C와 같은 비동기 방법을 쉽게 구현할 수 있습니다.
DENSENET : 이것은 G. Huang, Z. Liu, K. Weinberger 및 L. van der Maaten의 용지에 설명 된대로 Densenet-BC 아키텍처의 Pytorch 구현입니다. 이 구현은 성장률이 12 인 100 층 Densenet-BC의 CIFAR-10+ 오류율 4.77을 얻습니다. 공식적 구현 및 기타 여러 타사 구현과의 링크는 Github의 Liuzhuang13/Densenet Repo에서 사용할 수 있습니다.
NNINIT : Pytorch NN.Modules의 중량 초기화 체계. 이것은 @kaixhin의 Torch7에 대한 인기있는 nninit의 항구입니다.
더 빠른 RCNN : 이것은 더 빠른 RCNN의 Pytorch 구현입니다. 이 프로젝트는 주로 Py-Faster-RCNN 및 TFFRCNN을 기반으로합니다. R-CNN에 대한 자세한 내용은 R-CNN을 더 빠른 R-CNN : Shaoqing Ren, Kaiming He, Ross Girshick, Shaoqing Ren의 지역 제안 네트워크를 사용한 실시간 개체 감지에 대해 참조하십시오. 지안 선.
Doomnet : Vizdoom 환경에서 일부 RL 모델을 구현하는 Pytorch의 Doom-Net 버전.
FLOWNET : Dosovitskiy et al.
SQEEZENET : Pytorch에서 Squeezenet의 구현, #### CIFAR10 데이터에서 사전에 사전 된 모델은 CIFAR 10에서 모델을 훈련시키고 블록 연결을 추가 할 계획입니다.
Wassersteingan : Pytorch의 Wassersteingan.
OPTNET :이 저장소는 Brandon Amos와 J. Zico Kolter의 리포지토리이며 Pytorch 소스 코드가 포함되어있어 논문 Optnet의 실험을 재현합니다. 신경망의 층으로서 차별화 가능한 최적화.
QP 솔버 : Pytorch의 빠르고 차별화 가능한 QP 솔버. Brandon Amos와 J. Zico Kolter가 제작했습니다.
모델 기반 가속도를 통한 지속적인 깊은 Q- 러닝 : 모델 기반 가속도를 통한 연속 심층 Q- 러닝의 재 구현.
그라디언트 하강에 의한 그라디언트 하강으로 학습하는 법 : 그라디언트 하강에 의한 그라디언트 하강으로 학습을 학습하는 Pytorch 구현.
빠른 신경 스타일 : Pytorch 구현 빠른 신경 스타일의이 모델은 인스턴스 정규화와 함께 실시간 스타일 전송 및 초-해상도를위한 지각 손실로 설명 된 방법을 사용합니다.
Pytorchneuralstyletransfer : Pytorch의 신경 스타일 전달 구현.
Pytorch의 이미지 스타일 변환을위한 빠른 신경 스타일 : Pytorch의 이미지 스타일 변환을위한 빠른 신경 스타일.
신경 스타일 전송 : Leon A. Gatys, Alexander S. Ecker 및 Matthias Bethge가 개발 한 신경 스타일 알고리즘 (https://arxiv.org/abs/1508.06576)을 통한 Pytorch 소개.
LM-LSTM-CRF : 작업 인식 언어 모델 http://arxiv.org/abs/1709.04109를 사용한 서열 레이블링에 권한을 부여합니다
얼굴 정렬 : Pytorch Pytorch이 논문의 구현 "2D & 3D 얼굴 정렬 문제를 해결하는 데 얼마나 멀리 떨어져 있습니까? (및 230,000 3D 얼굴 랜드 마크 데이터 세트)", ICCV 2017
Depthnet : Still Box 데이터 세트에서 Pytorch Devthnet Training.
EDSR-PYTORCH : 종이의 Pytorch 버전 '단일 이미지 슈퍼 레스 솔루션을위한 강화 된 깊은 잔류 네트워크'(CVPRW 2017)
E2C-Pytorch : Pytorch의 구현을 제어하기위한 임베드.
3D-RESNETS-PYTORCH : 액션 인식을위한 3D리스트.
Bandit-NMT : 이것은 EMNLP 2017 용지 "시뮬레이션 된 인간 피드백으로 산적 신경 기계 번역을위한 강화 학습"에 대한 코드 리포입니다. 이는 신경 인코더 디코더 모델 위에 A2C 알고리즘을 구현하고 시뮬레이션 된 Noisy 보상 하에서 조합을 벤치마킹합니다.
PYTORCH-A2C-PPO-ACTTR : ACKTR (Kronecker-Factored 근사치)를 사용한 심층 강화 학습을위한 Adonterial Actor Critic (A2C), PPO (Ploinial Policy Optimization) 및 확장 가능한 신뢰 지역 방법의 Pytorch 구현.
Zalando-Pytorch : Zalando의 Fashion-Mnist 데이터 세트에 대한 다양한 실험.
Sphereface_pytorch : sphereface의 pytorch 구현.
범주 형 DQN : 강화 학습에 대한 분포 관점에서 범주 형 DQN의 Pytorch 구현.
EWC.Pytorch : James Kirkpatrick et al. Neural Networks 2016에서 치명적인 잊어 버린 극복 (10.1073/pnas.1611835114).
PYTORCH-ZSSR : 심층 내부 학습을 사용한 1712.06087의 Pytorch 구현 "Zero-Shot"슈퍼 해상도
Deep_IMAGE_PRIOR : Pytorch의 Deep Image Prior (Ulyanov et al., 2017)의 이미지 재구성 방법 구현.
Pytorch-Transformer : Pytorch주의 구현이 필요합니다.
Deeprl-grounding : 이것은 작업 중심 언어 접지를위한 AAAI-18 용지 게이팅-입장 아키텍처의 Pytorch 구현입니다.
Deep-Forecast-Pytorch : pytorch에서 lstms를 사용한 풍속 예측 (arxiv.org/pdf/1707.08110.pdf)
Cat-Net : 표준 외관 변환
Minimal_Glo : 논문에서 생성 잠재적 최적화의 최소 Pytorch 구현 "생성 네트워크의 잠재적 공간 최적화"
LearningTocompare-Pytorch : 종이를위한 Pytorch 구현 : 비교 학습 : 소수의 학습을위한 관계 네트워크.
Poincare-embeddings : NIPS-17 논문의 Pytorch 구현 "계층 적 표현 학습을위한 Poincaré 임베드".
Pytorch-Trpo (Hessian-Vector Product 버전) : 유한 차이 근사 대신 정확한 Hessian-Vector 제품을 갖춘 "Trust Region Policy Optimization (TRPO)"의 Pytorch 구현입니다.
ggnn.pytorch : 게이트 그래프 시퀀스 신경망 (GGNN)의 Pytorch 구현.
Visual-Interaction-Networks-Pytorch : Pytorch를 사용한 Deepmind Visual Interaction Networks Paper의 구현입니다.
적대적 패치 : Pytorch Adversarial Patch의 구현.
Pytorch에서 소수의 샷 학습 (arxiv.org/abs/1703.05175)을위한 프로토 타입 네트워크 구현 프로토 타입-networks-for-shot-learning-pytorch :
Pytorch에서 Visual-Feature-Attribution-Wasserstein-Gans-Pytorch : Pytorch에서 Wasserstein Gans (arxiv.org/abs/1711.08998)를 사용한 시각적 기능 속성 구현.
PhotographicimagesSynthesiss와 함께 CASCADEDREFINEMENTWORKS -PYTORCH : 계단식 정제 네트워크를 사용한 사진 이미지 합성 -Pytorch 구현
ENAS-PYTORCH : "매개 변수 공유를 통한 효율적인 신경 아키텍처 검색"의 Pytorch 구현.
신경 이미지 평가 : 신경 이미지 평가의 Pytorch 구현.
ProxProp : 근위 역전 - 명백한 그라디언트 단계 대신 암시적인 신경망 훈련 알고리즘.
FastPhotostyle : Photorealistic Image Stylization을위한 폐쇄 형식 솔루션
심해 분석-파이토치 : Pytorch를 기반으로 한 심해 분석의 파이썬 구현.
Person-Reid_pytorch : Person Reid를위한 Pytorch.
Pt-dilate-RNN : Pytorch에서 확장 된 RNN.
Pytorch-i-Revnet : I-Revnets의 Pytorch 구현.
오르토넷 : 직교 다항식을 생성하기위한 텐서 플로 및 파이토치 층.
DRRN-PYTORCH : 슈퍼 해상도를위한 심층 재귀 잔차 네트워크 구현, CVPR 2017
Shampoo.pytorch : 샴푸 구현.
신경 이미지 평가 2 : 신경 이미지 평가의 파이토치 구현.
TCN : 시퀀스 모델링 벤치 마크 및 시간적 컨볼 루션 네트워크 LocusLab/TCN
DCC :이 저장소에는 깊은 연속 클러스터링 용지의 결과를 재현하기위한 소스 코드와 데이터가 포함되어 있습니다.
PACKNET : PackNet 코드 : 반복적 인 가지 치기 arxiv.org/abs/1711.05769를 통해 단일 네트워크에 여러 작업을 추가합니다.
pytorch-progressive_growing_of_gans : 품질, 안정성 및 변동을 향상시키기 위해 GAN의 점진적 성장의 Pytorch 구현.
NonAuto-NMT : "비 유해한 신경 기계 번역"의 Pytorch 구현
Pytorch-Gan : 생성 적대적 네트워크의 Pytorch 구현.
Pytorchwavelets : Torrence and Compo에서 발견 된 웨이블릿 분석의 Pytorch 구현 (1998)
Pytorch-Made : Pytorch에서 Made (마스크 자동 인코더 밀도 추정) 구현
VRNN : 순차 데이터에 대한 재발 잠재 변수 모델로부터 변형 RNN (VRNN)의 Pytorch 구현.
흐름 : ICLR 2018 신체 프로세스를위한 논문 딥 러닝의 Pytorch 구현 : 사전 과학 지식 통합.
DeepVoice3_pytorch : 컨볼 루션 네트워크 기반 텍스트 음성 연석 합성 모델의 Pytorch 구현
PSMM : Stephen Merity et al.
Tacotron2 : 타코트론 2- 시간보다 빠른 추론을 가진 파이터 구현.
ACCSGD : 가속화 된 SGD 알고리즘의 Pytorch 코드를 구현합니다.
QANET-PYTORCH : Pytorch와의 Qanet 구현 (1080TI 카드에서 20 시간 동안 20 시간 동안 20 시간 동안 EM/F1 = 70.5/77.2.)
운송 : Convolutional 2D 지식 그래프 임베드
구조적-펠트-instention : 논문의 구현 ICLR 2017 : arxiv.org/abs/1703.03130에 게시 된 구조화 된 자기 문장 문장 임베딩.
그래프 세이지-간단한 : 그래프에 대한 간단한 참조 구현.
Detectron.pytorch : Detectron의 Pytorch 구현. 처음부터의 훈련과 사전에 전해진 디스크 론 가중치에서 직접 추론 할 수 있습니다.
R2Plus1D-Pytorch : 논문에 설명 된 R2Plus1D Convolution 기반 RESNET 아키텍처의 Pytorch 구현 ""행동 인식을위한 시공간 컨볼 루전을 자세히 살펴보십시오 ".
STACKNN : 신경망에서 사용하기위한 차별적 인 스택의 Pytorch 구현.
Translagent : 다중 에이전트 커뮤니케이션에서 출현 번역을위한 코드.
BAR-VQA : 시각적 질문 답변을위한 이중선주의 네트워크.
Pytorch-Openai-Transformer-LM : Alec Radford, Karthik Narasimhan, Tim Salimans 및 Ilya Sutskever의 Alec Radford, Karthik Narasimhan, Tim Salimans 및 Ilya Sutskever의 Openai의 논문 "생성 사전 훈련에 의한 언어 이해 향상"이 제공된 Tensorflow 코드의 Pytorch 구현입니다.
T2F : 딥 러닝을 사용한 텍스트 대면 세대. 이 프로젝트는 텍스트 설명에서 얼굴을 종합하기 위해 최근 두 가지 아키텍처 Stackgan과 Progan을 결합합니다.
PYTORCH- FID : Fréchet Inception 거리 (FID 점수)에서 Pytorch의 항구
VAE_VPFLOWS : 볼록한 조합 선형 IAF 및 가구의 흐름, JM Tomczak & M. Welling jmtomczak.github.io/deebmed.html에 대한 Pytorch의 코드
CORKCONV-PYTORCH : 'Convolutional Neural Networks 및 CoordConv Solution'Paper의 흥미로운 실패에 도입 된 CoordConv의 Pytorch 구현. (arxiv.org/pdf/1807.03247.pdf)
SDPoint : CVPR 2018에 게시 된 "비용 조정 가능한 추론 및 컨볼 루션 네트워크에서의 정규화 개선을위한 확률 적 다운 샘플링 구현".
