Потрясающий список pytorch

Awesome-Pytorch-список

Содержание

• Pytorch и связанные библиотеки
  • НЛП и обработка речи
  • Компьютерное зрение
  • Вероятностные/генеративные библиотеки
  • Другие библиотеки
• Учебники, книги и примеры
• Бумажные реализации
• Переговоры и конференции
• Пайторч в другом месте

Pytorch и связанные библиотеки

1. pytorch: Тензоры и динамические нейронные сети на Python с сильным ускорением графического процессора.
2. Captum: интерпретируемость и понимание модели для PyTorch.

НЛП и обработка речи:

1. pytorch text: содержимое, связанное с текстом Torch.
2. pytorch-seq2seq: платформа для моделей последовательного преобразования (seq2seq), реализованная в PyTorch.
3. анувада: интерпретируемые модели для НЛП с использованием PyTorch.
4. audio: простой аудиоввод-вывод для pytorch.
5. цикл: метод генерации речи через несколько динамиков.
6. fairseq-py: набор инструментов Facebook AI Research для последовательного анализа, написанный на Python.
7. Речь: Реализация PyTorch ASR.
8. OpenNMT-py: нейронный машинный перевод с открытым исходным кодом в PyTorch http://opennmt.net
9. Neuralcoref: современное разрешение кореференции на основе нейронных сетей и spaCyhuggingface.co/coref
10. обнаружение настроений: неконтролируемое языковое моделирование в масштабе для надежной классификации настроений.
11. MUSE: библиотека для многоязычного неконтролируемого или контролируемого встраивания слов.
12. nmtpytorch: платформа нейронного машинного перевода в PyTorch.
13. pytorch-wavenet: реализация WaveNet с быстрой генерацией.
14. Такотрон-питорч: Такотрон: к сквозному синтезу речи.
15. AllenNLP: исследовательская библиотека НЛП с открытым исходным кодом, созданная на PyTorch.
16. PyTorch-NLP: текстовые утилиты и наборы данных для PyTorch pytorchnlp.readthedocs.io
17. Quick-NLP: библиотека Pytorch NLP, основанная на FastAI.
18. TTS: глубокое обучение для Text2Speech
19. ЛАЗЕР: независимое от языка представление предложений
20. pyannote-audio: нейронные строительные блоки для диаризации говорящего: обнаружение речевой активности, обнаружение смены говорящего, встраивание говорящего.
21. gensen: Изучение представлений распределенных предложений общего назначения посредством крупномасштабного многозадачного обучения.
22. Translate: Translate — языковая библиотека PyTorch.
23. espnet: набор инструментов для сквозной обработки речи espnet.github.io/espnet
24. pythia: пакет программного обеспечения для визуальных ответов на вопросы
25. UnsupervisedMT: машинный перевод на основе фраз и нейронных систем без учителя.
26. jiant: набор инструментов для обучения представлению предложений jiant.
27. BERT-PyTorch: реализация Pytorch BERT 2018 года от Google AI с простой аннотацией.
28. InferSent: встраивание предложений (InferSent) и обучающий код для NLI.
29. uis-rnn: это библиотека для алгоритма рекуррентной нейронной сети с неограниченным чередованием состояний (UIS-RNN), соответствующая статье «Диаризация говорящих с полным контролем». arxiv.org/abs/1810.04719
30. чутье: очень простая структура для современной обработки естественного языка (НЛП).
31. pytext: среда моделирования естественного языка, основанная на PyTorch fb.me/pytextdocs.
32. voicefilter: неофициальная реализация PyTorch системы VoiceFilter от Google AI http://swpark.me/voicefilter.
33. БЕРТ-НЕР: Распознавание объектов с именем Pytorch с помощью BERT.
34. Transfer-NLP: библиотека НЛП, предназначенная для гибких исследований и разработок.
35. texar-pytorch: набор инструментов для машинного обучения и генерации текста в PyTorch texar.io
36. pytorch-kaldi: pytorch-kaldi — это проект по разработке современных гибридных систем распознавания речи DNN/RNN. Часть DNN управляется pytorch, а извлечение признаков, вычисление меток и декодирование выполняются с помощью набора инструментов Kaldi.
37. NeMo: Neural Modules: набор инструментов для диалогового ИИ nvidia.github.io/NeMo
38. pytorch-struct: библиотека векторизованных реализаций основных алгоритмов структурированного прогнозирования (HMM, Dep Trees, CKY,...).
39. эспрессо: Эспрессо: набор инструментов для быстрого сквозного нейронного распознавания речи
40. Трансформеры: Huggingface Трансформеры: современная обработка естественного языка для TensorFlow 2.0 и PyTorch. Huggingface.co/transformers
41. реформатор-pytorch: Реформатор, эффективный Трансформатор, в Pytorch
42. torch-metrics: метрики для оценки модели в pytorch.
43. SpeechBrain: SpeechBrain — это универсальный набор речевых инструментов с открытым исходным кодом, основанный на PyTorch.
44. Backprop: Backprop упрощает использование, настройку и развертывание современных моделей машинного обучения.

РЕЗЮМЕ:

1. pytorch Vision: наборы данных, преобразования и модели, специфичные для компьютерного зрения.
2. pt-styletransfer: нейронная передача стиля как класса в PyTorch.
3. OpenFacePytorch: модуль PyTorch для использования модели OpenFace nn4.small2.v1.t7.
4. img_classification_pk_pytorch: быстрое сравнение ваших моделей классификации изображений с современными моделями (такими как DenseNet, ResNet,...).
5. SparseConvNet: разреженные сверточные сети подмногообразия.
6. Convolution_LSTM_pytorch: многоуровневый модуль свертки LSTM.
7. face-alignment: сборка библиотеки выравнивания 2D и 3D Face с использованием pytorch adrianbulat.com
8. pytorch-semantic-segmentation: PyTorch для семантической сегментации.
9. RoIAlign.pytorch: это версия RoIAlign для PyTorch. Эта реализация основана на Crop_and_resize и поддерживает как прямое, так и обратное выполнение как на CPU, так и на GPU.
10. pytorch-cnn-finetune: точная настройка предварительно обученных сверточных нейронных сетей с помощью PyTorch.
11. детекторч: Detectorch - детектор для PyTorch
12. Augmentor: библиотека увеличения изображений на Python для машинного обучения. http://augmentor.readthedocs.io
13. s2cnn: эта библиотека содержит реализацию PyTorch эквивариантных CNN SO(3) для сферических сигналов (например, всенаправленных камер, сигналов на земном шаре).
14. TorchCV: платформа на основе PyTorch для глубокого обучения компьютерному зрению.
15. Maskrcnn-benchmark: Быстрая модульная эталонная реализация алгоритмов сегментации экземпляров и обнаружения объектов в PyTorch.
16. image-classification-mobile: коллекция моделей классификации, предварительно обученных на ImageNet-1K.
17. Medicaltorch: платформа медицинской визуализации для Pytorch http://medicaltorch.readthedocs.io
18. альбументации: библиотека быстрого увеличения изображений.
19. kornia: дифференцируемая библиотека компьютерного зрения.
20. pytorch-text-recognition: комбинация распознавания текста — CRAFT + CRNN.
21. facenet-pytorch: предварительно обученные модели обнаружения и распознавания лиц Pytorch, перенесенные из davidsandberg/facenet.
22. детектор 2: Detectron 2 — это исследовательская платформа нового поколения FAIR для обнаружения и сегментации объектов.
23. vedaseg: структура семантической сегментации от pyotrch
24. ClassyVision: комплексная платформа PyTorch для классификации изображений и видео.
25. детектор:Компьютерное зрение на Python с менее чем 10 строками кода
26. pytorch3d: PyTorch3D — это библиотека многократно используемых компонентов FAIR для глубокого обучения с использованием 3D-данных pytorch3d.org
27. MMDetection: MMDetection — это набор инструментов для обнаружения объектов с открытым исходным кодом, являющийся частью проекта OpenMMLab.
28. нейронная мечта: PyTorch реализация алгоритма DeepDream. Создает сказочные галлюциногенные визуальные эффекты.
29. FlashTorch: набор инструментов визуализации нейронных сетей в PyTorch!
30. Lucent: Tensorflow и Lucid от OpenAI Clarity, адаптированные для PyTorch.
31. MMDetection3D: MMDetection3D — это платформа OpenMMLab нового поколения для общего обнаружения трехмерных объектов, являющаяся частью проекта OpenMMLab.
32. MMSegmentation: MMSegmentation — это набор инструментов и эталон семантической сегментации, являющийся частью проекта OpenMMLab.
33. MMEditing: MMEditing — это набор инструментов для редактирования изображений и видео, являющийся частью проекта OpenMMLab.
34. MMAction2: MMAction2 — это набор инструментов и тестов OpenMMLab для понимания действий нового поколения, являющийся частью проекта OpenMMLab.
35. MMPose: MMPose — это набор инструментов и эталонный тест для оценки позы, являющийся частью проекта OpenMMLab.
36. Lightly — Lightly — это платформа компьютерного зрения для самостоятельного обучения.
37. RoMa: легкая и эффективная библиотека для работы с 3D-вращениями.

Вероятностные/генеративные библиотеки:

1. ptstat: вероятностное программирование и статистический вывод в PyTorch
2. Pyro: Глубокое универсальное вероятностное программирование с использованием Python и PyTorch http://pyro.ai
3. probtorch: Probabilistic Torch — это библиотека для глубоких генеративных моделей, расширяющая PyTorch.
4. paysage: обучение без учителя и генеративные модели в Python/pytorch.
5. pyvarinf: пакет Python, упрощающий использование методов байесовского глубокого обучения с вариационным выводом для PyTorch.
6. pyprob: библиотека на основе PyTorch для вероятностного программирования и компиляции логических выводов.
7. mia: библиотека для проведения атак на определение членства в моделях машинного обучения.
8. pro_gan_pytorch: пакет ProGAN, реализованный как расширение PyTorch nn.Module.
9. botorch: байесовская оптимизация в PyTorch

Другие библиотеки:

1. pytorch extras: некоторые дополнительные функции pytorch.
2. функциональный зоопарк: PyTorch, в отличие от lua torch, имеет в своем ядре автоград, поэтому использование модульной структуры модулей torch.nn не обязательно, можно легко выделить необходимые переменные и написать функцию, которая их использует, что иногда более удобно. Этот репозиторий содержит функциональные определения моделей с предварительно обученными весами для некоторых моделей.
3. torch-sampling: этот пакет предоставляет набор преобразований и структур данных для выборки данных, находящихся в памяти или вне памяти.
4. torchcraft-py: оболочка Python для TorchCraft, мост между Torch и StarCraft для исследований ИИ.
5. aorun: Aorun намерен стать Keras с PyTorch в качестве бэкэнда.
6. logger: простой регистратор для экспериментов.
7. PyTorch-docset: набор документации PyTorch! используйте с Dash, Zeal, Velocity или LovelyDocs.
8. Convert_torch_to_pytorch: преобразовать модель факела t7 в модель и источник pytorch.
9. pretrained-models.pytorch: Цель этого репозитория — помочь воспроизвести результаты исследовательских работ.
10. pytorch_fft: оболочка PyTorch для БПФ.
11. caffe_to_torch_to_pytorch
12. pytorch-extension: это расширение CUDA для PyTorch, которое вычисляет произведение Адамара двух тензоров.
13. tensorboard-pytorch: этот модуль сохраняет тензоры PyTorch в формате тензорной доски для проверки. В настоящее время поддерживает скалярные функции, изображения, аудио и гистограммы в тензорной доске.
14. gpytorch: GPyTorch — это библиотека гауссовских процессов, реализованная с использованием PyTorch. Он предназначен для простого создания гибких и модульных моделей гауссовского процесса, поэтому вам не нужно быть экспертом для использования GP.
15. В центре внимания: модели глубоких рекомендаций с использованием PyTorch.
16. pytorch-cns: сжатый сетевой поиск с помощью PyTorch
17. pyinn: CuPy объединил операции нейронных сетей PyTorch
18. inferno: служебная библиотека для PyTorch.
19. pytorch-fitmodule: очень простой метод подгонки модулей PyTorch.
20. inferno-sklearn: библиотека нейронных сетей, совместимая с scikit-learn, которая обертывает pytorch.
21. pytorch-caffe-darknet-convert: преобразование между pytorch, caffe prototxt/weights и darknet cfg/weights
22. pytorch2caffe: преобразовать модель PyTorch в Caffemodel
23. pytorch-tools: Инструменты для PyTorch
24. sru: Обучение RNN так же быстро, как и CNN (arxiv.org/abs/1709.02755)
25. torch2coreml: Torch7 -> CoreML
26. PyTorch-Encoding: сеть кодирования глубоких текстур PyTorch http://hangzh.com/PyTorch-Encoding
27. pytorch-ctc: PyTorch-CTC — это реализация декодирования поиска луча CTC (Connectionist Temporal Classification) для PyTorch. Код C++ в значительной степени заимствован из TensorFlow с некоторыми улучшениями для повышения гибкости.
28. свечаgp: Гауссовы процессы в Pytorch.
29. dpwa: распределенное обучение путем парного усреднения.
30. dni-pytorch: разделенные нейронные интерфейсы с использованием синтетических градиентов для PyTorch.
31. skorch: библиотека нейронных сетей, совместимая с scikit-learn, которая обертывает pytorch.
32. ignite: Ignite — это библиотека высокого уровня, помогающая обучать нейронные сети в PyTorch.
33. Арнольд: Арнольд — агент DOOM
34. pytorch-mcn: конвертировать модели из MatConvNet в PyTorch
35. simple-faster-rcnn-pytorch: упрощенная реализация Faster R-CNN с конкурентоспособной производительностью.
36. generative_zoo: generative_zoo — это репозиторий, который предоставляет рабочие реализации некоторых генеративных моделей в PyTorch.
37. pytorchviz: небольшой пакет для создания визуализаций графиков выполнения PyTorch.
38. cogitare: Cogitare — современная, быстрая и модульная среда глубокого и машинного обучения на Python.
39. pydlt: набор инструментов глубокого обучения на базе PyTorch
40. полуконтролируемый-pytorch: реализации различных полуконтролируемых и генеративных моделей на основе VAE в PyTorch.
41. pytorch_cluster: Библиотека расширений PyTorch для оптимизированных алгоритмов кластеризации графов.
42. нейронная сборка-компилятор: компилятор нейронной сборки для pyTorch, основанный на адаптивной нейронной компиляции.
43. caffemodel2pytorch: конвертируйте модели Caffe в PyTorch.
44. Extension-cpp: расширения C++ в PyTorch.
45. pytoune: фреймворк и утилиты, подобные Keras, для PyTorch.
46. jetson-reinforcement: библиотеки глубокого обучения с подкреплением для NVIDIA Jetson TX1/TX2 с PyTorch, OpenAI Gym и симулятором робототехники Gazebo.
47. спичечный коробок: напишите код PyTorch на уровне отдельных примеров, а затем эффективно запустите его в мини-пакетах.
48. torch-two-sample: библиотека PyTorch для тестов с двумя выборками.
49. pytorch-summary: сводка модели в PyTorch, аналогичная model.summary() в Keras.
50. mpl.pytorch: реализация MaxPoolingLoss на Pytorch.
51. scVI-dev: ветка разработки проекта scVI в PyTorch.
52. apex: экспериментальное расширение PyTorch (позже будет прекращено)
53. ELF: ELF: платформа для исследования игр.
54. Torchlite: библиотека высокого уровня поверх (не только) Pytorch.
55. Joint-vae: реализация JointVAE на Pytorch, фреймворка для разделения непрерывных и дискретных факторов вариации star2
56. SLM-Lab: Модульная среда глубокого обучения с подкреплением в PyTorch.
57. bindsnet: пакет Python, используемый для моделирования пиковых нейронных сетей (SNN) на процессорах или графических процессорах с использованием PyTorch.
58. pro_gan_pytorch: пакет ProGAN, реализованный как расширение PyTorch nn.Module.
59. pytorch_geometric: Библиотека расширения геометрического глубокого обучения для PyTorch
60. torchplus: реализует оператор + в модулях PyTorch, возвращая последовательности.
61. lagom: lagom: легкая инфраструктура PyTorch для быстрого создания прототипов алгоритмов обучения с подкреплением.
62. torchbearer: torchbearer: библиотека обучения моделей для исследователей, использующих PyTorch.
63. pytorch-maml-rl: обучение с подкреплением с помощью модельно-агностического мета-обучения в Pytorch.
64. NALU: базовая реализация NAC/NALU с помощью pytorch из статьи Neural Arithmetic Logic Units, автор: trask et.al arxiv.org/pdf/1808.00508.pdf
65. QuCumber: реконструкция волновой функции многих тел нейронной сети
66. магнит: проекты глубокого обучения, которые строятся сами по себе http://magnet-dl.readthedocs.io/
67. opencv_transforms: реализация OpenCV расширения изображений Torchvision.
68. fastai: библиотека глубокого обучения fast.ai, уроки и учебные пособия.
69. pytorch-dense-correspondence: Код «Плотные сети объектов: изучение плотных дескрипторов визуальных объектов с помощью роботизированных манипуляций и для них» arxiv.org/pdf/1806.08756.pdf
70. colorization-pytorch: повторная реализация интерактивной глубокой раскраски PyTorch richzhang.github.io/ideepcolor
71. beauty-net: простой, гибкий и расширяемый шаблон для PyTorch. Это красиво.
72. OpenChem: OpenChem: набор инструментов глубокого обучения для компьютерной химии и исследований в области разработки лекарств mariewelt.github.io/OpenChem
73. torchani: точный потенциал нейронной сети на PyTorch aiqm.github.io/torchani
74. PyTorch-LBFGS: реализация L-BFGS в PyTorch.
75. gpytorch: высокоэффективная модульная реализация гауссовских процессов в PyTorch.
76. гессиан: гессиан в pytorch.
77. vel: Скорость в исследованиях глубокого обучения.
78. nonechucks: пропускайте плохие элементы в PyTorch DataLoader, используйте преобразования в качестве фильтров и многое другое!
79. torchstat: анализатор моделей в PyTorch.
80. QNNPACK: Quantized Neural Network PACKage — оптимизированная для мобильных устройств реализация операторов квантовой нейронной сети.
81. torchdiffeq: дифференцируемые решатели ОДУ с полной поддержкой графического процессора и обратным распространением ошибки O(1)-памяти.
82. redner: дифференцируемый трассировщик пути Монте-Карло
83. pixyz: библиотека для разработки глубоких генеративных моделей более лаконичным, интуитивно понятным и расширяемым способом.
84. euclidesdb: база данных для встраивания многомодельных функций машинного обучения http://euclidesdb.readthedocs.io
85. pytorch2keras: конвертировать динамический график PyTorch в модель Keras.
86. салат: полуконтролируемое обучение и адаптация предметной области.
87. netharn: параметризованные средства подгонки и прогнозирования для pytorch.
88. dgl: пакет Python, созданный для упрощения глубокого обучения на графе поверх существующих платформ DL. http://dgl.ai.
89. gandissect: инструменты на основе Pytorch для визуализации и понимания нейронов GAN. gandissect.csail.mit.edu
90. delira: Легкая платформа для быстрого прототипирования и обучения глубоких нейронных сетей для медицинской визуализации delira.rtfd.io
91. гриб: библиотека Python для экспериментов по обучению с подкреплением.
92. Xlearn: Библиотека трансферного обучения
93. geoopt: римановы адаптивные методы оптимизации с pytorch optim
94. веганы: библиотека, предоставляющая различные существующие GAN в PyTorch.
95. геометрия факела: TGM: PyTorch Geometry
96. AdverTorch: набор инструментов для исследования состязательной устойчивости (атака/защита/обучение)
97. AdaBound: оптимизатор, который обучается так же быстро, как Адам, и так же хорошо, как SGD.a
98. fenchel-young-losses: вероятностная классификация в PyTorch/TensorFlow/scikit-learn с потерями Фенчела-Янга.
99. pytorch-OpCounter: подсчитайте количество FLOP вашей модели PyTorch.
100. Tor10: универсальная библиотека тензорных сетей, предназначенная для квантового моделирования на основе pytorch.
101. Catalyst: утилиты высокого уровня для исследований PyTorch DL и RL. Он был разработан с упором на воспроизводимость, быстрое экспериментирование и повторное использование кода/идей. Возможность исследовать/разрабатывать что-то новое вместо того, чтобы писать очередной цикл поездов.
102. Axe: Адаптивная платформа для экспериментов
103. pywick: высокоуровневая библиотека обучения нейронных сетей с батарейками для Pytorch.
104. torchgpipe: реализация GPipe в PyTorch torchgpipe.readthedocs.io
105. Hub: Pytorch Hub — это предварительно обученный репозиторий моделей, предназначенный для облегчения воспроизводимости исследований.
106. pytorch-lightning: система быстрого исследования Pytorch. Исследовательская версия кераса.
107. Tor10: универсальная библиотека тензорных сетей, предназначенная для квантового моделирования на основе pytorch.
108. tensorwatch: отладка, мониторинг и визуализация для глубокого обучения и обучения с подкреплением от Microsoft Research.
109. wavetorch: численное решение и обратное распространение волнового уравнения arxiv.org/abs/1904.12831
110. diffdist: diffdist — это библиотека Python для pytorch. Он расширяет стандартную функциональность torch.autograd и добавляет поддержку дифференцированного взаимодействия между процессами.
111. torchprof: минимальная библиотека зависимостей для послойного профилирования моделей Pytorch.
112. osqpth: дифференцируемый слой решателя OSQP для PyTorch.
113. mctorch: многообразная библиотека оптимизации для глубокого обучения.
114. pytorch-hessian-eigenthings: эффективное собственное разложение гессиана PyTorch с использованием произведения вектора Гессе и итерации стохастической степени.
115. MinkowskiEngine: Minkowski Engine — это библиотека автоматического сравнения для обобщенных разреженных сверток и многомерных разреженных тензоров.
116. pytorch-cpp-rl: Обучение с подкреплением PyTorch C++
117. pytorch-toolbelt: расширения PyTorch для быстрого прототипирования НИОКР и фермерства Kaggle.
118. argus-tensor-stream: библиотека для декодирования видеопотока в реальном времени в память CUDA tensorstream.argus-ai.com
119. macarico: учимся искать в pytorch
120. rlpyt: обучение с подкреплением в PyTorch
121. pywarm: более чистый способ создания нейронных сетей для PyTorch. blue- Season.github.io/pywarm
122. Learn2learn: Платформа метаобучения PyTorch для исследователей http://learn2learn.net
123. torchbeast: платформа PyTorch для распределенного обучения
124. выше: выше — это библиотека pytorch, позволяющая пользователям получать градиенты более высокого порядка за счет потерь, охватывающих циклы обучения, а не отдельные этапы обучения.
125. Torchelie: Torchelie — набор служебных функций, слоев, потерь, моделей, трейнеров и прочего для PyTorch. torchelie.readthedocs.org
126. CrypTen: CrypTen — это платформа машинного обучения, обеспечивающая сохранение конфиденциальности, написанная с использованием PyTorch, которая позволяет исследователям и разработчикам обучать модели с использованием зашифрованных данных. CrypTen в настоящее время поддерживает безопасные многосторонние вычисления в качестве механизма шифрования.
127. cvxpylayers: cvxpylayers — это библиотека Python для создания дифференцируемых слоев выпуклой оптимизации в PyTorch.
128. RepDistiller: дистилляция контрастного представления (CRD) и эталон новейших методов дистилляции знаний.
129. kaolin: библиотека PyTorch, предназначенная для ускорения исследований в области глубокого обучения в 3D.
130. PySNN: эффективная структура Spiking Neural Network, построенная на основе PyTorch для ускорения графического процессора.
131. Sparktorch: Обучайте и запускайте модели Pytorch на Apache Spark.
132. pytorch-metric-learning: самый простой способ использовать метрическое обучение в вашем приложении. Модульный, гибкий и расширяемый. Написано на PyTorch.
133. автономная библиотека обучения: библиотека PyTorch для создания агентов глубокого обучения с подкреплением.
134. flambe: платформа машинного обучения для ускорения исследований и их пути к производству. фламбе.ай
135. pytorch-optimizer: коллекции современных алгоритмов оптимизации для PyTorch, включая: AccSGD, AdaBound, AdaMod, DiffGrad, Lamb, RAdam, RAdam, Yogi.
136. PyTorch-VAE: коллекция вариационных автоэнкодеров (VAE) в PyTorch.
137. ray: быстрая и простая среда для создания и запуска распределенных приложений. Ray поставляется с RLlib, масштабируемой библиотекой обучения с подкреплением, и Tune, масштабируемой библиотекой настройки гиперпараметров. Рэй.Ио
138. Pytorch Geometric Temporal: библиотека временных расширений для PyTorch Geometric.
139. Poutyne: фреймворк для PyTorch, похожий на Keras, который обрабатывает большую часть шаблонного кода, необходимого для обучения нейронных сетей.
140. Pytorch-Toolbox: это проект набора инструментов для Pytorch. Цель: сделать код Pytorch более простым, читаемым и кратким.
141. Pytorch-contrib: содержит обзорные реализации идей из недавних статей по машинному обучению.
142. EfficientNet PyTorch: содержит дополнительную реализацию PyTorch EfficientNet, а также предварительно обученные модели и примеры.
143. PyTorch/XLA: PyTorch/XLA — это пакет Python, который использует компилятор глубокого обучения XLA для подключения среды глубокого обучения PyTorch и облачных TPU.
144. webdataset: WebDataset — это реализация набора данных PyTorch (IterableDataset), обеспечивающая эффективный доступ к наборам данных, хранящимся в tar-архивах POSIX.
145. volksdep: volksdep — это набор инструментов с открытым исходным кодом для развертывания и ускорения моделей PyTorch, Onnx и Tensorflow с помощью TensorRT.
146. PyTorch-StudioGAN: StudioGAN — это библиотека Pytorch, предоставляющая реализации репрезентативных генеративно-состязательных сетей (GAN) для условной/безусловной генерации изображений. StudioGAN стремится предложить идентичную площадку для современных GAN, чтобы исследователи машинного обучения могли легко сравнивать и анализировать новую идею.
147. torchdrift: библиотека обнаружения дрейфа
148. ускорение: простой способ обучения и использования моделей PyTorch с несколькими графическими процессорами, TPU и смешанной точностью.
149. молниеносные трансформаторы: гибкий интерфейс для высокопроизводительных исследований с использованием SOTA Transformers с использованием Pytorch Lightning, Transformers и Hydra.
150. Flower Единый подход к федеративному обучению, аналитике и оценке. Это позволяет объединить любую рабочую нагрузку машинного обучения.
151. молния-вспышка: Flash — это набор задач для быстрого прототипирования, базовой разработки и точной настройки масштабируемых моделей глубокого обучения, созданных на основе PyTorch Lightning.
152. Pytorch Geometric Signed Directed: подписанная и направленная библиотека расширений для PyTorch Geometric.
153. Koila: Простая оболочка Pytorch, которая предотвращает проблемы с нехваткой памяти CUDA.
154. Рената: библиотека для непрерывного обучения в реальных условиях.

Учебники, книги и примеры

1. Практический Pytorch : учебные пособия, объясняющие различные модели RNN
2. DeepLearningForNLPInPytorch: учебник IPython Notebook по глубокому обучению с упором на обработку естественного языка.
3. pytorch-tutorial: руководство для исследователей по глубокому обучению с помощью pytorch.
4. pytorch-упражнения: коллекция упражнений pytorch.
5. Учебники по pytorch: различные руководства по pytorch.
6. примеры pytorch: репозиторий, демонстрирующий примеры использования pytorch.
7. Практика pytorch: несколько примеров скриптов на pytorch.
8. Мини-руководства по pytorch: минимальные руководства по PyTorch, адаптированные из руководств Алека Рэдфорда по Theano.
9. классификация текста pytorch: простая реализация классификации текста на основе CNN в Pytorch.
10. кошки против собак: пример тонкой настройки сети в pytorch для соревнований по kaggle Dogs vs. Cats Redux: Kernels Edition. На данный момент #27 (0,05074) в таблице лидеров.
11. convnet: это полный пример обучения глубоким сверточным сетям на различных наборах данных (ImageNet, Cifar10, Cifar100, MNIST).
12. pytorch-generative-adversarial-networks: простая генеративно-состязательная сеть (GAN) с использованием PyTorch.
13. Контейнеры pytorch: Цель этого репозитория – помочь бывшим Torchi более плавно перейти в «бесконтейнерный» мир PyTorch, предоставляя список реализаций PyTorch слоев таблиц Torch.
14. T-SNE в pytorch: эксперименты с t-SNE в pytorch
15. AAE_pytorch: состязательные автоэнкодеры (с Pytorch).
16. Kind_PyTorch_Tutorial: Учебное пособие по Kind PyTorch для начинающих.
17. pytorch-poetry-gen: char-RNN на основе pytorch.
18. pytorch-REINFORCE: реализация REINFORCE на PyTorch. Этот репозиторий поддерживает как непрерывные, так и дискретные среды в тренажерном зале OpenAI.
19. Учебное пособие по PyTorch : легко и быстро создайте свою нейронную сеть https://morvanzhou.github.io/tutorials/
20. pytorch-intro: пара скриптов, иллюстрирующих, как создавать CNN и RNN в PyTorch.
21. pytorch-classification: унифицированная платформа для задачи классификации изображений в CIFAR-10/100 и ImageNet.
22. pytorch_notebooks — hardmaru: случайные учебные пособия, созданные в NumPy и PyTorch.
23. pytorch_tutoria-quick: краткое введение и руководство по PyTorch. Предназначен для исследователей компьютерного зрения, графики и машинного обучения, желающих опробовать новую среду.
24. Pytorch_fine_tuning_Tutorial: краткое руководство по точной настройке или переносу обучения в PyTorch.
25. pytorch_exercisions: упражнения pytorch
26. обнаружение дорожных знаков: пример nyu-cv-fall-2017
27. mss_pytorch: разделение певческого голоса посредством рекуррентного вывода и соединений с пропуском фильтрации — реализация PyTorch. Демо: js-mim.github.io/mss_pytorch
28. DeepNLP-models-Pytorch Реализации Pytorch различных моделей Deep NLP в cs-224n (Стэнфордский университет: НЛП с глубоким обучением)
29. Вводные уроки Mila: различные обучающие материалы для приема новых студентов в MILA.
30. pytorch.rl.learning: для обучения обучению с подкреплением с помощью PyTorch.
31. минимальный-seq2seq: минимальная модель Seq2Seq с вниманием к нейронному машинному переводу в PyTorch
32. tensorly-notebooks: тензорные методы в Python с TensorLy tensorly.github.io/dev
33. pytorch_bits: примеры, связанные с прогнозированием временных рядов.
34. пропуск мыслей: реализация векторов пропуска мыслей в PyTorch.
35. video-caption-pytorch: код pytorch для субтитров к видео.
36. Capsule-Network-Tutorial: простое в использовании учебное пособие по Capsule Network по Pytorch.
37. code-of-learn-deep-learning-with-pytorch: это код книги «Изучение глубокого обучения с помощью PyTorch» item.jd.com/17915495606.html.
38. RL-Adventure: простое пошаговое руководство по обучению Deep Q на Pytorch с понятным и читаемым кодом.
39. ускорение_dl_pytorch: Ускоренное глубокое обучение с помощью PyTorch на Jupyter Day Atlanta II.
40. RL-Adventure-2: Учебное пособие по PyTorch4: критик актера / оптимизация проксимальной политики / acer / ddpg / двойная дуэль ddpg / критик мягкого актера / генеративно-состязательное имитационное обучение / воспроизведение ретроспективного опыта
41. Генеративно-состязательные сети (GAN) в 50 строках кода (PyTorch)
42. состязательные-автоэнкодеры-с-pytorch
43. перенос обучения с помощью pytorch
44. как реализовать детектор объектов йоло в pytorch
45. pytorch-для-рекомендателей-101
46. Pytorch для numpy-пользователей
47. Учебное пособие по PyTorch: учебные пособия по PyTorch на китайском языке.
48. grokking-pytorch: Путеводитель по PyTorch для автостопщика
49. PyTorch-Deep-Learning-Minicourse: Мини-курс по глубокому обучению с помощью PyTorch.
50. pytorch-custom-dataset-examples: некоторые примеры пользовательских наборов данных для PyTorch.
51. Мультипликативный LSTM для рекомендателей на основе последовательностей
52. deeplearning.ai-pytorch: Реализация PyTorch специализации Coursera Deep Learning (deeplearning.ai).
53. MNIST_Pytorch_python_and_capi: это пример того, как обучить сеть MNIST на Python и запустить ее на C++ с помощью pytorch 1.0.
54. torch_light: Учебные пособия и примеры включают обучение с подкреплением, НЛП, резюме.
55. portrain-gan: код факела для декодирования (и почти кодирования) скрытых данных из Portrait GAN art-DCGAN.
56. mri-analysis-pytorch: МРТ-анализ с использованием PyTorch и MedicalTorch.
57. cifar10-fast: демонстрация обучения небольшой сети ResNet на CIFAR10 до точности теста 94 % за 79 секунд, как описано в этой серии блогов.
58. Введение в глубокое обучение с помощью PyTorch: бесплатный курс от Udacity и Facebook с хорошим введением в PyTorch и интервью с Сумит Чинтала, одним из первых авторов PyTorch.
59. pytorch-sentiment-analysis: учебные пособия по началу работы с PyTorch и TorchText для анализа настроений.
60. pytorch-image-models: модели изображений PyTorch, сценарии, предварительно обученные веса — (SE)ResNet/ResNeXT, DPN, EfficientNet, MobileNet-V3/V2/V1, MNASNet, Single-Path NAS, FBNet и другие.
61. CIFAR-ZOO: реализация Pytorch для нескольких архитектур CNN и улучшение методов с получением самых современных результатов.
62. d2l-pytorch: это попытка изменить код учебника «Погружение в глубокое обучение» Berkeley STAT 157 (весна 2019 г.) в PyTorch.
63. мышление в тензорах-письмо-в-pytorch: Мышление в тензорах, письмо в PyTorch (практическое введение в глубокое обучение).
64. NER-BERT-pytorch: решение PyTorch задачи распознавания именованных объектов с использованием предварительно обученной модели BERT от Google AI.
65. pytorch-sync-batchnorm-example: Как использовать перекрестную реплику/синхронизированную пакетную норму в Pytorch.
66. Анализ настроений: нейронная сеть анализа настроений, обученная путем точной настройки BERT на Стэнфордском банке Sentiment Treebank благодаря библиотеке Transformers Hugging Face.
67. pytorch-cpp: C++-реализации учебных пособий по PyTorch для исследователей глубокого обучения (на основе учебных пособий по Python из pytorch-tutorial).
68. Глубокое обучение с PyTorch: от нуля до GAN: серия интерактивных учебных пособий, ориентированных на программирование, по введению в глубокое обучение с PyTorch (видео).
69. Глубокое обучение с PyTorch: «Глубокое обучение с PyTorch» научит вас, как реализовать алгоритмы глубокого обучения с помощью Python и PyTorch. В книгу включен практический пример: создание алгоритма, способного обнаруживать злокачественные опухоли легких с помощью компьютерной томографии.
70. Бессерверное машинное обучение в действии с PyTorch и AWS: Бессерверное машинное обучение в действии — это руководство по внедрению экспериментального кода машинного обучения PyTorch в производство с использованием бессерверных возможностей от крупных поставщиков облачных услуг, таких как AWS, Azure или GCP.
71. LabML NN: коллекция реализаций архитектур и алгоритмов нейронных сетей PyTorch с примечаниями.
72. Запустите пример PyTorch, интегрированный с Flower. Этот пример демонстрирует, как уже существующий централизованный проект машинного обучения PyTorch можно объединить с Flower. Набор данных Cifar-10 используется вместе со сверточной нейронной сетью (CNN).

Бумажные реализации

1. google_evolution: реализует одну из сетей результатов из «Крупномасштабной эволюции классификаторов изображений» Эстебана Реала и др. ал.
2. pyscatwave: быстрое преобразование рассеяния с помощью CuPy/PyTorch, статью можно прочитать здесь.
3. scalingscattering: Масштабирование преобразования рассеяния: глубокие гибридные сети.
4. глубокая автопунктуация: реализация автопунктуации, изучаемой посимвольно, в pytorch.
5. Realtime_Multi-Person_Pose_Estimation: это pytorch-версия Realtime_Multi-Person_Pose_Estimation, исходный код здесь.
6. PyTorch-value-iteration-networks: реализация PyTorch документа Value Iteration Networks (NIPS '16)
7. pytorch_Highway: сеть автомагистралей, реализованная в pytorch.
8. pytorch_NEG_loss: потеря NEG реализована в pytorch.
9. pytorch_RVAE: рекуррентный вариационный автоэнкодер, генерирующий последовательные данные, реализованные в pytorch.
10. pytorch_TDNN: NN с задержкой по времени, реализованная в pytorch.
11. eve.pytorch: реализация Eve Optimizer, предложенная в статье Imploving Stochastic Gradient Descent with Feedback, Koushik and Hayashi, 2016.
12. e2e-model-learning: сквозное обучение модели на основе задач.
13. pix2pix-pytorch: реализация PyTorch «перевода изображений в изображения с использованием условных состязательных сетей».
14. Детектор Single Shot MultiBox: реализация PyTorch детектора Single Shot MultiBox.
15. Discogan: внедрение Pytorch «Learning для обнаружения междоменных отношений с генеративными состязательными сетями»
16. Официальная реализация Discogan: официальная реализация «Learning для обнаружения междоменных отношений с генеративными состязательными сетями».
17. Pytorch-ES: Это реализация стратегий эволюции Pytorch.
18. PIWISE: пиксельная сегментация на наборе данных VOC2012 с использованием Pytorch.
19. Pytorch-DQN: глубокая сеть Q-обучения в Pytorch.
20. Neuraltalk2-Pytorch: модель подписания изображения в Pytorch (Mevetunable CNN в ветви с_finetune)
21. vnet.pytorch: реализация Pytorch для V-Net: полностью сверточные нейронные сети для объемной сегментации медицинских изображений.
22. Pytorch-FCN: Pytorch Реализация полностью сверточных сетей.
23. Wideresnets: более широкие сети для Cifar10/100, реализованные в Pytorch. Эта реализация требует меньше памяти графического процессора, чем то, что требуется официальной реализации Torch: https://github.com/szagoruyko/wide-residual-networks.
24. pytorch_highway_networks: сети шоссе, реализованные в Pytorch.
25. Pytorch-Neucom: внедрение Pytorch дифференцируемой нейронной компьютерной бумаги DeepMind.
26. CaptionGen: генерируйте подписи для изображения с использованием Pytorch.
27. Анимеган: простая реализация генеративных состязательных сетей генеративных состязательных сетей, сосредоточенная на рисовании лица аниме.
28. Классификация CNN-TEXT: Это реализация сверточных нейронных сетей Ким для классификации предложений в Pytorch.
29. Deepspeech2: реализация Deepspeech2 с использованием Baidu Warp-CTC. Создает сеть, основанную на архитектуре DeepSpeech2, обученной функции активации CTC.
30. SEQ2SEQ: этот репозиторий содержит реализации моделей последовательности в последовательность (SEQ2SEQ) в Pytorch
31. Асинхронное преимущество Актер-критик в Pytorch: это реализация A3C Pytorch, как описано в асинхронных методах для глубокого обучения подкреплению. Поскольку Pytorch имеет простой метод управления общей памятью в многопроцестре, мы можем легко реализовать асинхронный метод, такой как A3C.
32. Densenet: Это реализация архитектуры Densenet-BC, как описано в бумаге, плотно связанных сверточных сетях Г. Хуангом, З. Лю, К. Вайнбергером и Л. Ван дер Маатен. Эта реализация получает частоту ошибок CIFAR-10+ 4,77 с 100-слойным Densenet-BC с темпами роста 12. Их официальная реализация и ссылки со многими другими сторонними реализациями доступны в репо Liuzhuang13/Densenet на Github.
33. Nninit: схемы инициализации веса для Pytorch NN.Modules. Это порт популярного Nninit для Torch7 от @kaixhin.
34. Более быстрая rcnn: это реализация Pytorch более быстрого RCNN. Этот проект в основном основан на Py-Fess-Rcnn и Tffrcnn. для подробностей о R-CNN, пожалуйста, обратитесь к статье более быстро Цзянь Сан.
35. Doomnet: версия Doom-Net от Pytorch реализует некоторые модели RL в среде Vizdoom.
36. Flownet: Pytorch Реализация Flownet от Dosovitskiy et al.
37. SQEEZENET: реализация Squeezenet в Pytorch, #### Предварительные модели на данных CIFAR10 планируют обучить модель на CIFAR 10 и добавить блочные соединения.
38. Вассерштейнган: Вассерштейнган в Пйторхе.
39. OPTNET: этот репозиторий - Брэндон Амос и Дж. Зико Колтер и содержит исходный код Pytorch для воспроизведения экспериментов в нашей статье Optnet: дифференцируемая оптимизация как слой в нейронных сетях.
40. QP Solver: быстрый и дифференциальный решатель QP для Pytorch. Созданный Брэндоном Амосом и Дж. Зико Колтером.
41. Непрерывное глубокое Q-обучение с ускорением на основе моделей: переопределение непрерывного глубокого Q-обучения с ускорением на основе моделей.
42. Обучение учиться градиентному происхождению путем градиентного происхождения: внедрение обучения Pytorch обучения путем градиентного происхождения путем градиентного происхождения.
43. Внедовочный стиль: внедрение пирогации быстрого стиля, модель использует метод, описанный в потери восприятия для переноса стиля в реальном времени и супер-разрешении, наряду с нормализацией экземпляра.
44. Pytorchneuralstyletransfer: реализация переноса нервного стиля в Pytorch.
45. Быстрый нервный стиль для преобразования стиля изображения от Pytorch: быстрый нейронный стиль для стиля изображения преобразование Pytorch.
46. Перенос нервного стиля: введение в Pytorch через алгоритм нервного стиля (https://arxiv.org/abs/1508.06576), разработанный Леоном А. Гатисом, Александром С. Экером и Матиасом Бетге.
47. Vin_pytorch_visdom: Pytorch Реализация итерационных сетей значения (VIN): чистый, простой и модульный. Визуализация в Вишдоме.
48. Yolo2: Yolov2 в Pytorch.
49. Перенос внимания: перенос внимания в Pytorch, прочитайте бумагу здесь.
50. SVHNClassifier: реализация многозначного распознавания числа из изображений с изображениями уличного вида с использованием глубоких сверточных нейронных сетей.
51. Pytorch-deform-conv: Pytorch Реализация деформируемой свертки.
52. Запуск-пирог: внедрение Pytorch начала: Генеративные состязательные сети граничного равновесия.
53. TREELSTM.PYTORCH: Tree LSTM Реализация в Pytorch.
54. Возраст: код для бумаги «Сетки состязательного генератора-кодера» Дмитрий Уланов, Андреа Ведальди и Виктора Лемпитского, которые можно найти здесь
55. Resnext.pytorch: воспроизводит Resnet-V3 (агрегированные остаточные преобразования для глубоких нейронных сетей) с помощью Pytorch.
56. Pytorch-RL: глубокое обучение подкреплению с Pytorch & Visdom
57. Deep-Leafsnap: Leafsnap повторяется с использованием глубоких нейронных сетей для проверки точности по сравнению с традиционными методами компьютерного зрения.
58. Pytorch-Cyclegan-and-Pix2pix: реализация Pytorch как для непарной, так и для парного перевода изображения на изображение.
59. A3C-Pytorch: Pytorch Реализация Advance Async Actor-критических алгоритмов (A3C) в Pytorch
60. Pytorch-Value-Networks: Pytorch Реализация итерационных сетей стоимости (Best Gape NIPS 2016)
61. Трансфер в стиле Pytorch: внедрение Pytorch Generative Generative Network для переноса в реальном времени
62. Pytorch-Deeplab-Resnet: Pytorch-Deeplab-Resnet-Model.
63. pointnet.pytorch: реализация Pytorch для «PointNet: глубокое обучение на наборах точек для 3D -классификации и сегментации» https://arxiv.org/abs/1612.00593
64. Pytorch-Playground: базовые предварительные модели и наборы данных в Pytorch (MNIST, SVHN, CIFAR10, CIFAR100, STL10, Alexnet, VGG16, VGG19, RESNET, начало, Squeezenet) .
65. Pytorch-DNC: нейронная машина Turing (NTM) и дифференцируемый нейронный компьютер (DNC) с Pytorch & Visdom.
66. pytorch_image_classifier: минимальный, но практический классификатор изображений Pipline с использованием Pytorch, Finetune On Resnet18, получил точность 99% на собственных небольших наборах данных.
67. MNIST-SVHN-Transfer: Pytorch Реализация Cyclegan и SGAN для переноса домена (минимальный).
68. pytorch-yolo2: pytorch-yolo2
69. DNI: реализовать отделенные нейронные интерфейсы с использованием синтетических градиентов в Pytorch
70. Wgan-GP: Pytorch реализация бумаги «Улучшенная подготовка Wasserstein Gans».
71. Pytorch-seq2seq-intent-parsing: намерение анализа и наполнения слотов в пироге с Seq2seq + внимание
72. pytorch_nce: реализация алгоритма контрастной оценки шума для Pytorch. Работаю, но не очень эффективно.
73. Molencoder: молекулярный автоэкодер в Pytorch
74. Gan-Weight-Norm: код для "на влияние партии и нормализации веса в генеративных состязательных сетях"
75. LGAMMA: реализации функций полигаммы, LGAMMA и бета для Pytorch
76. BigBatch: код, используемый для получения результатов, появляющихся в «поезде дольше, обобщайте лучше: закрытие разрыва в обобщении в больших партийных тренировках нейронных сетей»
77. rl_a3c_pytorch: обучение подкреплению с реализацией A3C LSTM для Atari 2600.
78. Pytorch-Retraining: перенос обучаемой перестрелки для модельного зоопарка Pytorch (Torchvision)
79. nmp_qc: нейронное сообщение прохождение для компьютерного видения
80. Выпускник: Pytorch внедрение выпускника CAM
81. Pytorch-Trpo: Pytorch внедрение оптимизации политики трастового региона (TRPO)
82. Pytorch-Explaine-Black-Box: Pytorch Реализация интерпретируемых объяснений черных ящиков путем значимого возмущения
83. vae_vpflows: код в Pytorch для выпуклой комбинации линейной IAF и домохозяйств, JM Tomczak & M. Welling https://jmtomczak.github.io/deebmed.html
84. Relational-Networks: внедрение Pytorch «простой модуль нейронной сети для реляционных рассуждений» (реляционные сети) https://arxiv.org/pdf/1706.01427.pdf
85. vqa.pytorch: визуальный вопрос, отвечающий в Pytorch
86. Средний к неготиатору: сделка или нет сделки? Комплексное обучение ведению переговоров
87. Один-Питорч: принципиальное обнаружение примеров на выезде раздачи в нейронных сетях.
88. Freezeout: ускорить обучение нейронной сети путем постепенного замораживания слоев.
89. Arae: код для статьи «Совместно -регулируемые автоэкододы для генерации дискретных структур» Чжао, Ким, Чжана, Раша и Лекуна.
90. Передовое пирожное: Pytorch внедрение «Передовое мышление: строительство и обучение нейронных сетей по одному слою за раз» https://arxiv.org/pdf/1706.02480.pdf
91. Context_encoder_pytorch: Pytorch Реализовать контекстные кодеры
92. Внимание-это все, что-то-недорожка: реализация модели трансформатора Pytorch в «Внимание-все, что вам нужно» .https: //github.com/thnkim/openfacepytorch
93. OpenFacepytorch: модуль Pytorch для использования модели OpenFace NN4.Small2.v1.t7
94. Нейрон-комбинаторский RL-питор: Pytorch внедрение нейронной комбинаторной оптимизации с обучением подкрепления.
95. Pytorch-Nec: Pytorch Реализация нейронного эпизодического контроля (NEC)
96. seq2seq.pytorch: обучение последовательности к последовательности с использованием pytorch
97. Pytorch-Sketch-rnn: Pytorch реализация arxiv.org/abs/1704.03477
98. Pytorch-Pruning: внедрение Pytorch [1611.06440] Обрезка сверточных нейронных сетей для эффективного вывода ресурсов
99. DRQA: Pytorch реализация чтения Википедии, чтобы ответить на вопросы с открытым доменом.
100. Yellowfin_pytorch: автоматическая настройка импульса SGD Optimizer
101. Samplernn-Pytorch: Pytorch Реализация Samplernn: безусловная модель генерации нейронного звука.
102. Эгейское мощность: более глубокий DCGAN с стабилизацией AE
103. /pytorch-srresnet: реализация Pytorch для фотореалистичного одноизображения суперрелюции с использованием генеративной состязательной сети Arxiv: 1609.04802V2
104. VSEPP: код для статьи "VSE ++: улучшенные визуальные семантические встраивания"
105. Pytorch-Dppo: Pytorch Реализация распределенной проксимальной политики Оптимизация политики: arxiv.org/abs/1707.02286
106. Единица: Pytorch Реализация нашего связанного алгоритма VAE-GAN для неконтролируемого перевода изображения на изображение
107. Efficive_Densenet_pytorch: эффективная память реализация Densenets
108. TSN-Pytorch: сети временных сегментов (TSN) в Pytorch.
109. Smash: Экспериментальная техника для эффективного изучения нейронных архитектур.
110. pytorch-retinanet: сетчатка в Pytorch
111. Биоганы: реализация, поддерживающая статью ICCV 2017 «Ганс для биологического синтеза изображения».
112. Семантическое синтез изображений с помощью состязательного обучения: реализация Pytorch статьи «Семантическое синтез изображений посредством состязательного обучения» в ICCV 2017.
113. FMPYTORCH: реализация Pytorch машинного модуля факторизации в цинтоне.
114. ORN: Реализация Pytorch бумаги «Ориентированные на сети ответов» в CVPR 2017.
115. Pytorch-Maml: Pytorch Реализация MAML: arxiv.org/abs/1703.03400
116. Pytorch-Generative-Model-Collections: Сбор генеративных моделей в версии Pytorch.
117. VQA-Winner-CVPRW-2017: Реализация Pytorch победителя из семинара VQA Chllange в CVPR'17.
118. Tacotron_pytorch: Pytorch Реализация модели синтеза речи Tacotron.
119. PSPNet-Pytorch: Pytorch Реализация сегментации PSPNet
120. LM-LSTM-CRF: МАРКЕТИРОВАНИЕ СЕКСИКА ЭКРАНСТВО С помощью языковой модели с учетом задач http://arxiv.org/abs/1709.04109
121. Выравнивание лица: внедрение Pytorch статьи «Как далеко мы от решения проблемы выравнивания 2D и 3D?
122. Dexitnet: Pytorch Dexitnet Training on Still Box набор данных.
123. Edsr-Pytorch: Pytorch версия статьи «Улучшенные глубокие остаточные сети для одноэтажного супер-разрешения» (CVPRW 2017)
124. e2c-pytorch: встроенный для контроля реализации в Pytorch.
125. 3D-Реснетс-Питорх: 3D Resnets для распознавания действий.
126. Bandit-NMT: Это кодовое репо для нашей бумаги EMNLP 2017 «Обучение подкреплению для перевода нейронной машины Bandit с моделируемой обратной связью человека», которая реализует алгоритм A2C на вершине модели нервного энкодера-декодера и контролирует комбинацию под моделируемыми шумными вознаграждениями.
127. Pytorch-A2C-PPO-ACTTR: Pytorch Реализация Advantage Actor Critic Critic (A2C), оптимизационная оптимизация политики (PPO) и метод масштабируемого доверия для глубокого обучения подкреплению с использованием Kronecker-Factored Ablexation (ACKTR).
128. Zalando-Pytorch: Различные эксперименты на наборе данных моды-младшего от Заландо.
129. sphereface_pytorch: реализация Sphereface Pytorch.
130. Категорический DQN: реализация Pytorch категориального DQN с точки зрения распределения на обучение подкреплению.
131. Pytorch-NTM: Pytorch NTM Реализация.
132. mask_rcnn_pytorch: маска rcnn в pytorch.
133. graph_convnets_pytorch: Pytorch Реализация Graph Convnets, NIPS'16
134. Pytorch-быстрее-RCNN: реализация Pytorch более быстрой структуры обнаружения RCNN, основанная на TF-FAST-RCNN Xinlei Chen.
135. TOCKMOJI: Реализация Pytorch модели DeepMoji: современная модель глубокого обучения для анализа настроений, эмоций, сарказма и т. Д.
136. Семантическая сегментация-питор: внедрение Pytorch для семантической сегментации/анализа сцены на наборе данных MIT ADE20K
137. Pytorch-qrnn: Pytorch реализация квази-рекуррентной нейронной сети-в 16 раз быстрее, чем Nvidia Cudnn LSTM
138. Pytorch-SGNS: отрицательная выборка Skipgram в Pytorch.
139. SFMlearner-Pytorch: Pytorch версия SFMlearner от Tinghui Zhou et al.
140. Деформируемый конвкуляция-питор: внедрение Pytorch деформируемой сверты.
141. Skip-Gram-Pytorch: полная реализация модели Skipgram Pytorch (с подгруппой и отрицательной выборкой). Результат внедрения проверяется с корреляцией ранга Спирмена.
142. stackgan-v2: реализация Pytorch для воспроизведения Stackgan_v2 приводит к бумажке Stackgan ++: реалистичный синтез изображения со сложенными генеративными состязательными сетями Хан Чжан*, Тао Сюг*, Хонгшенг Ли, Шаотинг Чжан, Сяаганг, Xiaolei Huang, Dimitris Metaxas.
143. Самокритичный.
144. PYGCN: Графические сверточные сети в Pytorch.
145. DNC: дифференцируемые нейронные компьютеры, для Pytorch
146. PROG_GANS_PYTORCH_INERENCE: PYTORCH СНУТРЕНИЕ ДЛЯ «Прогрессивного роста GANS» со снимком Celeba.
147. Pytorch-Capsule: Pytorch Реализация динамической маршрутизации Хинтона между капсулами.
148. Pyramidnet-Pytorch: реализация Pytorch для пирамидном (глубокие пирамидальные остаточные сети, arxiv.org/abs/1610.02915)
149. Radi-Transformer-Networks: реализация Pytorch сети радиопередачи из статьи «Введение в глубокое обучение для физического слоя». arxiv.org/abs/1702.00832
150. HONK: Pytorch Reimplementation of Google Tensorflow CNN для определения ключевых слов.
151. DeepCoral: внедрение Pytorch «Глубого коралла: корреляционная выравнивание для глубокой адаптации доменов», ECCV 2016
152. Pytorch-Pose: инструментарий Pytorch для 2D оценки позы человека.
153. Lang-Emerge-Parlai: Внедрение бумаги EMNLP 2017 «Естественный язык не появляется« естественным образом »в многоагентном диалоге» с использованием Pytorch и Parlai
154. Радуга: Радуга: объединение улучшений в обучении глубоким подкреплением
155. pytorch_compact_bilinear_pooling v1: этот репозиторий имеет чистую реализацию Python компактного билинейного эскиза и графа для Pytorch.
156. CompactBilinearPooling-Pytorch V2: (Yang Gao, et al.) Реализация Pytorch для компактного билинейного пула.
157. Необоротное обучение: внедрение Pytorch статьи «Оптимизация как модель для нескольких выстрелов»
158. Meprop: коды «Meprop: Ресскоренное распространение спины для ускоренного глубокого обучения с уменьшением переживания».
159. SFD_PYTORCH: реализация Pytorch отдельного детектора по шкале SCALE SCALE.
160. Gradientepisodicmemory: Continuum Learning с GEM: Градиент Эпизодическая память. https://arxiv.org/abs/1706.08840
161. Деблурган: реализация Pytorch бумаги Деблурган: слепое движение, разбитое с использованием условных состязательных сетей.
162. Stargan: Stargan: объединенные генеративные состязательные сети для многодоменной трансляции изображения до изображения.
163. Capsnet-Pytorch: Pytorch Реализация NIPS 2017 Динамическая маршрутизация бумаги между капсулами.
164. Condendenetet: Condensenetet: эффективный Densenet с использованием научных групповых свертков.
165. Deep-Image-Prior: восстановление изображений с нейронными сетями, но без обучения.
166. Глубокая головка: оценка позы с глубоким обучением с использованием Pytorch.
167. Случайное эразирование: этот код имеет исходный код для статьи «Увеличение данных случайного стирания».
168. FadernetWorks: Fader Networks: манипулирование изображениями с помощью скользящих атрибутов - NIPS 2017
169. Flownet 2.0: Flownet 2.0: Эволюция оценки оптического потока с глубокими сетями
170. Pix2pixhd: синтезирование и манипулирование изображениями 2048x1024 с условным Gans TCWANG0509.github.io/pix2pixhd
171. Pytorch-Smoothgradgrad: SmoothGrade реализация в Pytorch
172. Retinanet: реализация сетчатки в Pytorch.
173. FAST-RCNN.Pytorch: Этот проект представляет собой более быструю реализацию R-CNN, направленную на ускорение обучения более быстрым моделям обнаружения объектов R-CNN.
174. mixup_pytorch: реализация Pytorch бумажной миксупа: за пределами эмпирической минимизации риска в Pytorch.
175. inplace_abn: активированный на месте Batchnorm для оптимизированной памяти обучения DNNS
176. Pytorch-Pose-HG-3D: Pytorch Реализация для 3D оценки позы человека
177. NMN-Pytorch: сеть нейронных модулей для VQA в Pytorch.
178. Bytenet: Pytorch Реализация Bytenet из "Translation Neural Machine в линейное время" бумага
179. снизу вверх-введите-VQA: VQA, восходящее внимание, Pytorch
180. Yolo2-Pytorch: Yolov2 является одним из самых популярных одноэтапных детекторов объектов. Этот проект принимает Pytorch в качестве рамки разработки для повышения производительности, и использует ONNX для преобразования моделей в Caffe 2 в развертывание Benifit Engineering.
181. Reseg-Pytorch: Pytorch реализация Reseg (arxiv.org/pdf/1511.07053.pdf)
182. Бинарно-стохастические нейроны: бинарные стохастические нейроны в питорхе.
183. Pytorch-Pose-оценка: внедрение Pytorch Проекта оценки Multi-Pose Pose в реальном времени.
184. Interaction_network_pytorch: Pytorch Реализация сетей взаимодействия для изучения объектов, отношений и физики.
185. NoisynaturalGradient: Pytorch Реализация бумаги «шумный естественный градиент как вариационный вывод».
186. EWC.Pytorch: реализация консолидации упругого веса (EWC), предложенная в James Kirkpatrick et al. Преодоление катастрофического забывания в нейронных сетях 2016 года (10.1073/pnas.1611835114).
187. Pytorch-ZSSR: внедрение Pytorch 1712.06087 «Сервис» супер-разрешение с использованием глубокого внутреннего обучения
188. deep_image_prior: реализация методов реконструкции изображения из Deep Image
189. Pytorch-Transformer: Pytorch Реализация внимания-это все, что вам нужно.
190. Deeprl-Grounding: Это реализация Pytorch бумаги AAAI-18 с воротообреченными архитектурами для ориентированного на задание языкового обозначения
191. Глубокопрокаст-пирог: прогноз скорости ветра с использованием LSTM в pytorch (arxiv.org/pdf/1707.08110.pdf)
192. Cat-Net: канонические трансформации внешнего вида
193. Минимальный_glo: минимальная реализация Pytorch генеративной скрытой оптимизации из статьи «Оптимизировать скрытое пространство генеративных сетей»
194. LearningTocompare-Pytorch: Pytorch Реализация для бумаги: Learning to Compare: Relation Network для нескольких выстрелов.
195. Пуанкаре-Эмбеддингс: внедрение Pytorch бумаги NIPS-17 «Последние Пуанкаре для обучения иерархическим представлениям».
196. Pytorch-TRPO (версия продукта Hessian-Vector): это реализация Pytorch «Оптимизации политики трастового региона (TRPO)» с точным продуктом Hessian-Vector вместо конечных различий.
197. Ggnn.pytorch: реализация Pytorch нейронных сетей с заглубренным графиком (GGNN).
198. Visual-Interaction-NetWorks-Pytorch: это реализация бумаги DeepMind Visual Interaction Networks с использованием Pytorch
199. Адверс-патч: реализация Pytorch состязательного патча.
200. Прототипные сети-модули-фон-выстрел-обучение-питор: внедрение прототипических сетей для небольшого обучения выстрела (arxiv.org/abs/1703.05175) в Pytorch
201. Визуально-функция-аттреумическая, используя Уоссерштейн-Ганс-Питорх: реализация атрибуции визуальной особенности с использованием Wasserstein Gans (arxiv.org/abs/1711.08998) в Pytorch.
202. PhotogiciMagesynthesisWithCascadEdrefineMentnetWorks -Pytorch: Фотографический синтез изображений с каскадными сетями уточнения - реализация Pytorch
203. ENAS-Pytorch: Pytorch реализация «эффективного поиска нейронной архитектуры посредством обмена параметрами».
204. Нейронная оценка: внедрение Pytorch оценки нейронного изображения.
205. ProxProp: проксимальный обратный процесс - алгоритм обучения нейронной сети, который требует неявных, а не явных шагов градиента.
206. FastPhotostyle: решение в замкнутой форме для фотореалистического стиля изображения
207. Глубоко-аналогическая пирогация: внедрение на питоне глубоко-изображения, основанную на Pytorch.
208. Person-reid_pytorch: pytorch для человека повторно.
209. PT-дилат-RNN: расширенные RNNs в Pytorch.
210. Pytorch-I-revnet: Pytorch Реализация I-Revnets.
211. Orthnet: Tensorflow и Pytorch слои для генерации ортогональных полиномов.
212. DRRN-Pytorch: реализация глубокой рекурсивной остаточной сети для Super Resolution (DRRN), CVPR 2017
213. Shampoo.pytorch: реализация шампуня.
214. Нейронная оценка 2: внедрение Pytorch оценки нейронного изображения.
215. TCN: контрольные показатели моделирования последовательности и временные сверточные сети LocusLab/TCN
216. DCC: этот репозиторий содержит исходный код и данные для воспроизведения результатов глубокой непрерывной кластеризационной бумаги.
217. Packnet: код для Packnet: добавление нескольких задач в одну сеть с помощью итеративной обрезки arxiv.org/abs/1711.05769
218. Pytorch-progressive_groing_of_gans: Pytorch Реализация прогрессивного роста Gans для улучшения качества, стабильности и изменений.
219. Nonauto-NMT: Pytorch Реализация «неавторегрессивного перевода нейронной машины»
220. Pytorch-Gan: Pytorch реализации генеративных состязательных сетей.
221. Pytorchwavelets: внедрение вейвлет -анализа Pytorch, обнаруженное в Torrence and Compo (1998)
222. Pytorch-Made: сделано (маскированная оценка плотности автоэкорета) в Pytorch
223. VRNN: реализация Pytorch вариационного RNN (VRNN), из рецидивирующей модели скрытой переменной для последовательных данных.
224. Поток: Pytorch Реализация ICLR 2018 Глубокое обучение физическим процессам: интеграция предварительных научных знаний.
225. DeepVoice3_pytorch: Pytorch Реализация моделей синтеза текста в речь основы
226. PSMM: Имлеменция модели смеси Sentinel Pointer, как описано в статье Stephen Inerity et al.
227. Tacotron2: Tacotron 2-Реализация Pytorch с более быстро, чем в реальном времени.
228. ACCSGD: реализует код Pytorch для ускоренного алгоритма SGD.
229. QANET-PYTORCH: реализация QANET с Pytorch (EM/F1 = 70,5/77,2 после 20 эпох в течение около 20 часов на одной карте 1080TI.)
230. Разработка: сверточный 2D -график знаний.
231. Структурированное самообвинение: внедрение для статьи. Структурированное самообладательное предложение, которое опубликовано в ICLR 2017: arxiv.org/abs/1703.03130.
232. Graphsage-Simple: простая эталонная реализация графика.
233. Detectron.pytorch: реализация Detectron Pytorch. Доступны как тренировки с нуля, так и вывод непосредственно из веса детектрона.
234. R2Plus1d-Pytorch: Pytorch внедрение архитектуры R2Plus1d Resnet, описанной в статье, «Более внимательный взгляд на пространственно-временные свертки для распознавания действий»
235. Stacknn: реализация дифференцируемых стеков Pytorch для использования в нейронных сетях.
236. Переводчик: код для возникающего перевода в многоагентной общении.
237. Ban-VQA: билинейные сети внимания для ответа на визуальные вопросы.
238. Pytorch-Openai-Transformer-LM: Это реализация Pytorch кода Tensorflow, предоставленную бумагой Openai «Улучшение языкового понимания путем генеративного предварительного обучения» Алеком Рэдфордом, Картиком Нарасимханом, Тимом Салимансом и Илью Сатскевером.
239. T2F: поколение текста в лице с использованием глубокого обучения. Этот проект сочетает в себе две из недавних архитектур, Stackgan и Progan для синтеза лиц из текстовых описаний.
240. Pytorch - FID: порт на основе начального расстояния (FID) для Pytorch
241. vae_vpflows: код в Pytorch для выпуклой комбинации линейного IAF и домохозяйств, JM Tomczak & M. Welling Jmtomczak.github.io/deebmed.html
242. Координинг-пирог: внедрение Pytorch ComportConv, представленное в «интригующем неудаче сверточных нейронных сетей и документе ComportConv Solution». (arxiv.org/pdf/1807.03247.pdf)
243. SDPOINT: реализация «стохастической дискретизации для вывода с регулируемым затратами и улучшения регуляризации в сверточных сетях», опубликованная в CVPR 2018.
244. Srdensenetet-Pytorch: Srdensenetet-Pytorch (ICCV_2017)
245. Gan_stability: код для бумаги "Какие методы обучения для Gans действительно сходится? (ICML 2018)"
246. Mask-rcnn: внедрение Pytorch архитектуры Mask Rcnn служит введением в работу с Pytorch
247. Pytorch-Coviar: распознавание сжатого видео
248. Pnasnet.pytorch: Pytorch реализация Pnasnet-5 на ImageNet.
249. Nalu-Pytorch: базовая реализация NAC/NALU из единиц нейронной арифметической логики arxiv.org/pdf/1808.00508.pdf
250. LOLA_DICE: Pytorch реализация LOLA (arxiv.org/abs/1709.04326) с использованием костей (arxiv.org/abs/1802.05098)
251. Генеративная Query-Network-Pytorch: сеть генеративных запросов (GQN) в Pytorch, как описано в «Представлении и рендеринга нейронной сцены»
252. pytorch_hmax: реализация модели зрения Hmax в Pytorch.
253. FCN-Pytorch Seasure: Попытка быть самым простым и просто привлечь внедрение Pytorch в FCN (полностью свернутые сети)
254. Преобразователь: реализация преобразователя быстрого последовательности с привязками Pytorch.
255. Avo-Pytorch: реализация состязательной вариационной оптимизации в Pytorch.
256. HCN-Pytorch: реумплемация Pytorch {совместное количество функций, изучение данных из данных скелета для распознавания и обнаружения действий с помощью иерархической агрегации}.
257. Бинарная общеизвестная внедрение: Pytorch внедрение широких остаточных сетей с 1-битным весом от McDonnel (ICLR 2018)
258. Piggyback: код для Piggyback: адаптировать одну сеть к нескольким задачам, обучаясь маскировать веса arxiv.org/abs/1801.06519
259. VID2VID: реализация Pytorch нашего метода для высокого разрешения (например, 2048x1024) фотореалистического видео-видео-Video.
260. Пуассон-Конволюция-Сум: реализует бесконечную сумму разветвленных пуассонов.
261. TBD-сети: внедрение Pytorch «Прозрачность путем проектирования: закрытие разрыва между производительностью и интерпретацией в визуальных рассуждениях» arxiv.org/abs/1803.05268
262. ATTN2D: Распространенное внимание: 2D сверточные сети для прогнозирования последовательности к последовательности
263. Yolov3: Yolov3: Обучение и вывод в Pytorch pjreddie.com/darknet/yolo
264. Deep-Dream-In-Pytorch: реализация Pytorch алгоритма компьютерного зрения DeepDream.
265. Pytorch-Flows: Pytorch реализации алгоритмов для оценки плотности
266. Квантиль-регрессия-DQN-Pytorch: квантильная регрессия DQN Минимальный рабочий пример
267. Relational-RNN-Pytorch: реализация реляционных повторных нейронных сетей DeepMind в Pytorch.
268. Dextr-pytorch: глубокий экстремальный вырез http://www.vision.ee.ethz.ch/~cvlsegmentation/dextr
269. Pytorch_gbw_lm: модель языка Pytorch для набора данных Google Million Word.
270. Pytorch-NCE: Шумовая контрастная оценка для вывода SoftMax, написанная в Pytorch
271. Генеративные модели: аннотированные, понятные и визуально интерпретируемые внедрения питорха: vae, birvae, nsgan, mmgan, wgan, wgangp, lsgan, dragan, начался, Ragan, Infogan, Fgan, Fishergan.
272. Convnet-AIG: внедрение Pytorch для сверточных сетей с графиками адаптивных выводов.
273. Интегрированная градиентная пирога: это реализация Pytorch бумаги-аксиоматическая атрибуция для глубоких сетей.
274. Malconv-Pytorch: Pytorch реализация Malconv.
275. Trellisnet: Trellis Networks для моделирования последовательности
276. Обучение общению с глубоким многоагентным обучением подкреплению: внедрение Pytorch обучения для общения с глубоким учебным документом глубокого мультиагентного подкрепления.
277. Pnn.pytorch: Pytorch реализация CVPR'18 - Возмутные нейронные сети http://xujuefei.com/pnn.html.
278. Face_attuention_network: Pytorch Реализация сети лица, как описано в сети лица: эффективный детектор лица для окклюзированных лиц.
279. Волновой хлопья: генеративная сеть на основе потока для синтеза речи.
280. DeepFloat: этот репозиторий содержит SystemVerilog RTL, C ++, HLS (Intel FPGA OpenCl для обертывания RTL -кода) и Python, необходимый для воспроизведения численных результатов в «Переосмыслении плавающей точки для глубокого обучения»
281. EPSR: Pytorch Реализация анализа компромисса по искательению восприятия с использованием Enhanced Super-Resolution Network. Эта работа выиграла первое место в конкурсе PIRM2018-SR (Регион 1), состоявшемся в рамках ECCV 2018.
282. Clarinet: Pytorch реализация Clarinet arxiv.org/abs/1807.07281
283. Pytorch-Pretred-Bert: Pytorch версия модели Google AI BERT с скриптом для загрузки предварительно обученных моделей Google
284. TORCH_WAVEGLOW: реализация PYTORCH волнового замка: генеративная сеть на основе потока для синтеза речи.
285. 3DDFA: Pytorch улучшил повторное внедрение бумаги TPAMI 2017: выравнивание лица в полном диапазоне позы: 3D общее решение.
286. Потеря-ландшафт: код потерь-ландшафта для визуализации ландшафта потерь нейронных сетей.
287. FAMOS: Pytorch Реализация бумаги «Скопируйте старую или окраску заново? Адверскую структуру для (не) стилизации параметрической изображения», доступная по адресу http://arxiv.org/abs/1811.09236.
288. Back2future.pytorch: Это реализация Pytorch of Janai, J., Güney, F., Ranjan, A., Black, M. and Geiger, A., неконтролируемое изучение многократного оптического потока с окклюзиями. ECCV 2018.
289. FFTNet: неофициальная реализация бумаги FFTNet Vocode.
290. Faceboxes.pytorch: Pytorch реализация Faceboxes.
291. Transformer-xl: Transformer-XL: внимательные языковые модели за пределами фиксированной длины contexthttps: //github.com/kimiyoung/transformer-xl
292. Assocative_compression_networks: ассоциативные сети сжатия для обучения для представления.
293. fluidnet_cxx: Fluidnet переписан с Aten Tensor Lib.
294. Глубокоохранительные альтернативы-алгоритмы с Pytorch: этот репозиторий содержит внедрение Pytorch в алгоритмах обучения глубоким подкреплением.
295. Shufflenet-V2-Pytorch: это внедрение Pytorch Shufflenet-V2 от faceplusplus.
296. Graphwaveletneuralnetwork: Это реализация Pytorch вейвлет -нейронной сети графиков. ICLR 2019.
297. ВНИМАНИЕ: Это реализация Pytorch of Watch Your Step: Учебные узлы встраивания с помощью графического внимания. NIPS 2018.
298. SGCN: Это реализация Pytorch подписанной графической сверточной сети. ICDM 2018.
299. SINE: Это реализация Pytorch SINE: масштабируемое неполное внедрение сети. ICDM 2018.
300. GAM: Это реализация классификации графиков Pytorch с использованием структурного внимания. KDD 2018.
301. Нейрон-стиль-PT: внедрение Pytorch в нервном стиле Джастина Джонсона.
302. Такер: Такер: Тенсорная факторизация для завершения графа знаний.
303. Pytorch-Prunes: Обрезка нейронных сетей: пришло время прижимать его в зародыше?
304. SimGNN: SimGNN: A Neural Network Approach to Fast Graph Similarity Computation.
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.