Awesome pytorch list

很棒的 Pytorch 列表

内容

• Pytorch 及相关库
  • NLP 和语音处理
  • 计算机视觉
  • 概率/生成库
  • 其他图书馆
• 教程、书籍和示例
• 论文实现
• 讲座和会议
• Pytorch 其他地方

Pytorch 及相关库

1. pytorch：Python 中的张量和动态神经网络，具有强大的 GPU 加速功能。
2. Captum：PyTorch 的模型可解释性和理解。

NLP 和语音处理：

1. pytorch text：Torch 文本相关内容。
2. pytorch-seq2seq：在 PyTorch 中实现的序列到序列 (seq2seq) 模型的框架。
3. anuvada：使用 PyTorch 的 NLP 可解释模型。
4. 音频：pytorch 的简单音频 I/O。
5. 循环：一种在多个说话者之间生成语音的方法
6. fairseq-py：用 Python 编写的 Facebook AI 研究序列到序列工具包。
7. 演讲：PyTorch ASR 实现。
8. OpenNMT-py：PyTorch 中的开源神经机器翻译 http://opennmt.net
9. Neurocoref：基于神经网络和 spaCy Huggingface.co/coref 的最先进的共指解析
10. 情感发现：大规模无监督语言建模，用于稳健的情感分类。
11. MUSE：多语言无监督或监督词嵌入库
12. nmtpytorch：PyTorch 中的神经机器翻译框架。
13. pytorch-wavenet：快速生成的 WaveNet 实现
14. Tacotron-pytorch：Tacotron：走向端到端语音合成。
15. AllenNLP：一个基于 PyTorch 构建的开源 NLP 研究库。
16. PyTorch-NLP：PyTorch 的文本实用程序和数据集 pytorchnlp.readthedocs.io
17. fast-nlp：基于 FastAI 的 Pytorch NLP 库。
18. TTS：Text2Speech 的深度学习
19. LASER：与语言无关的句子表示
20. pyannote-audio：用于说话人分类的神经构建块：语音活动检测、说话人变化检测、说话人嵌入
21. gensen：通过大规模多任务学习学习通用分布式句子表示。
22. 翻译：翻译 - PyTorch 语言库。
23. espnet：端到端语音处理工具包 espnet.github.io/espnet
24. pythia：视觉问答软件套件
25. UnsupervisedMT：基于短语的神经无监督机器翻译。
26. jiant：jiant 句子表示学习工具包。
27. BERT-PyTorch：Google AI 2018 BERT 的 Pytorch 实现，带有简单注释
28. InferSent：句子嵌入 (InferSent) 和 NLI 的训练代码。
29. uis-rnn：这是无界交错状态循环神经网络（UIS-RNN）算法的库，对应于论文完全监督说话人二值化。 arxiv.org/abs/1810.04719
30. flair：一个非常简单的最先进的自然语言处理（NLP）框架
31. pytext：基于 PyTorch 的自然语言建模框架 fb.me/pytextdocs
32. voicefilter：Google AI VoiceFilter 系统的非官方 PyTorch 实现 http://swpark.me/voicefilter
33. BERT-NER：Pytorch 命名实体识别与 BERT。
34. Transfer-nlp：专为灵活研发而设计的NLP库
35. texar-pytorch：PyTorch 中的机器学习和文本生成工具包 texar.io
36. pytorch-kaldi：pytorch-kaldi 是一个用于开发最先进的 DNN/RNN 混合语音识别系统的项目。 DNN部分由pytorch管理，而特征提取、标签计算和解码则由kaldi工具包执行。
37. NeMo：神经模块：对话式 AI 工具包 nvidia.github.io/NeMo
38. pytorch-struct：核心结构化预测算法的矢量化实现库（HMM、Dep Trees、CKY、..、）
39. espresso：Espresso：快速端到端神经语音识别工具包
40. Transformers：huggingface Transformers：适用于 TensorFlow 2.0 和 PyTorch 的最先进的自然语言处理。 Huggingface.co/变形金刚
41. Reformer-pytorch：Pytorch 中的 Reformer，高效的 Transformer
42. torch-metrics：pytorch 中模型评估的指标
43. Speechbrain：SpeechBrain 是一款基于 PyTorch 的开源一体化语音工具包。
44. Backprop：Backprop 使使用、微调和部署最先进的 ML 模型变得简单。

简历：

1. pytorch Vision：特定于计算机视觉的数据集、转换和模型。
2. pt-styletransfer：神经风格传输作为 PyTorch 中的类。
3. OpenFacePytorch：使用 OpenFace 的 nn4.small2.v1.t7 模型的 PyTorch 模块
4. img_classification_pk_pytorch：快速将您的图像分类模型与最先进的模型（例如 DenseNet、ResNet 等）进行比较
5. SparseConvNet：子流形稀疏卷积网络。
6. Convolution_LSTM_pytorch：多层卷积LSTM模块
7. 面部对齐：使用 pytorch adrianbulat.com 构建 2D 和 3D 面部对齐库
8. pytorch-semantic-segmentation：用于语义分割的 PyTorch。
9. RoIAlign.pytorch：这是 RoIAlign 的 PyTorch 版本。该实现基于crop_and_resize，并且支持CPU和GPU上的前向和后向。
10. pytorch-cnn-finetune：使用 PyTorch 微调预训练的卷积神经网络。
11. detectorch: Detectorch - PyTorch 的检测器
12. Augmentor：Python 中用于机器学习的图像增强库。 http://augmentor.readthedocs.io
13. s2cnn：该库包含用于球形信号（例如全向摄像机、地球上的信号）的 SO(3) 等变 CNN 的 PyTorch 实现
14. TorchCV：基于 PyTorch 的计算机视觉深度学习框架。
15. maskrcnn-benchmark：PyTorch 中实例分割和对象检测算法的快速、模块化参考实现。
16. image-classification-mobile：在 ImageNet-1K 上预训练的分类模型的集合。
17. Medicaltorch：Pytorch 的医学成像框架 http://medicaltorch.readthedocs.io
18. albumentations：快速图像增强库。
19. kornia：可微分计算机视觉库。
20. pytorch-text-recognition：文本识别组合 - CRAFT + CRNN。
21. facenet-pytorch：从 davidsandberg/facenet 移植的预训练 Pytorch 人脸检测和识别模型。
22. detectorron2：Detectron2 是 FAIR 的下一代对象检测和分割研究平台。
23. vedaseg：pyotrch 的语义分割框架
24. ClassyVision：用于图像和视频分类的端到端 PyTorch 框架。
25. detector：Python 中的计算机视觉，代码不到 10 行
26. pytorch3d：PyTorch3D 是 FAIR 的可重用组件库，用于使用 3D 数据进行深度学习 pytorch3d.org
27. MMDetection：MMDetection 是一个开源对象检测工具箱，是 OpenMMLab 项目的一部分。
28. neural-dream：DeepDream 算法的 PyTorch 实现。创造出梦幻般的致幻视觉效果。
29. FlashTorch：PyTorch 中神经网络的可视化工具包！
30. Lucent：Tensorflow 和 OpenAI Clarity 的 Lucid 适用于 PyTorch。
31. MMDetection3D：MMDetection3D 是 OpenMMLab 的下一代通用 3D 对象检测平台，是 OpenMMLab 项目的一部分。
32. MMSegmentation：MMSegmentation 是一个语义分割工具箱和基准测试，是 OpenMMLab 项目的一部分。
33. MMEditing：MMEditing 是一个图像和视频编辑工具箱，是 OpenMMLab 项目的一部分。
34. MMAction2：MMAction2 是 OpenMMLab 的下一代动作理解工具箱和基准测试，是 OpenMMLab 项目的一部分。
35. MMPose：MMPose 是一个姿态估计工具箱和基准测试，是 OpenMMLab 项目的一部分。
36. lightly - Lightly 是一个用于自我监督学习的计算机视觉框架。
37. RoMa：一个轻量级且高效的库，用于处理 3D 旋转。

概率/生成库：

1. ptstat：PyTorch 中的概率编程和统计推断
2. Pyro：使用 Python 和 PyTorch 进行深度通用概率编程 http://pyro.ai
3. probtorch：概率 Torch 是扩展 PyTorch 的深度生成模型库。
4. paysage：python/pytorch 中的无监督学习和生成模型。
5. pyvarinf：Python 包促进贝叶斯深度学习方法与 PyTorch 变分推理的使用。
6. pyprob：基于 PyTorch 的概率编程和推理编译库。
7. mia：用于对 ML 模型运行成员推理攻击的库。
8. pro_gan_pytorch：ProGAN 包作为 PyTorch nn.Module 的扩展实现。
9. botorch：PyTorch 中的贝叶斯优化

其他库：

1. pytorch extras：pytorch 的一些额外功能。
2. 功能动物园：PyTorch 与 lua torch 不同，其核心具有 autograd，因此没有必要使用 torch.nn 模块的模块化结构，可以轻松分配所需的变量并编写使用它们的函数，这有时会更方便。该存储库以这种功能方式包含模型定义，并为某些模型提供了预训练的权重。
3. torch-sampling：该包提供了一组转换和数据结构，用于从内存中或内存外数据中进行采样。
4. torchcraft-py：TorchCraft 的 Python 包装器，是 Torch 和 StarCraft 之间用于人工智能研究的桥梁。
5. aorun：Aorun 打算成为一个以 PyTorch 作为后端的 Keras。
6. 记录器：用于实验的简单记录器。
7. PyTorch-docset：PyTorch 文档集！与 Dash、Zeal、Velocity 或 LovelyDocs 一起使用。
8. Convert_torch_to_pytorch：将torch t7模型转换为pytorch模型和源。
9. pretrained-models.pytorch：此存储库的目标是帮助重现研究论文结果。
10. pytorch_fft：FFT 的 PyTorch 包装器
11. caffe_to_torch_to_pytorch
12. pytorch-extension：这是 PyTorch 的 CUDA 扩展，用于计算两个张量的 Hadamard 乘积。
13. tensorboard-pytorch：该模块以tensorboard格式保存PyTorch张量以供检查。目前支持tensorboard中的标量、图像、音频、直方图功能。
14. gpytorch：GPyTorch 是一个高斯过程库，使用 PyTorch 实现。它专为轻松创建灵活且模块化的高斯过程模型而设计，因此您无需成为专家即可使用 GP。
15. 焦点：使用 PyTorch 的深度推荐模型。
16. pytorch-cns：使用 PyTorch 进行压缩网​​络搜索
17. pyinn：CuPy 融合 PyTorch 神经网络操作
18. inferno：围绕 PyTorch 的实用程序库
19. pytorch-fitmodule：PyTorch模块的超级简单拟合方法
20. inferno-sklearn：一个包装 pytorch 的 scikit-learn 兼容神经网络库。
21. pytorch-caffe-darknet-convert：在 pytorch、caffe prototxt/weights 和 darknet cfg/weights 之间进行转换
22. pytorch2caffe：将 PyTorch 模型转换为 Caffemodel
23. pytorch-tools：PyTorch 工具
24. sru：训练 RNN 与 CNN 一样快 (arxiv.org/abs/1709.02755)
25. torch2coreml: Torch7 -> CoreML
26. PyTorch-Encoding：PyTorch 深度纹理编码网络 http://hangzh.com/PyTorch-Encoding
27. pytorch-ctc：PyTorch-CTC 是 PyTorch 的 CTC（连接主义时间分类）波束搜索解码的实现。 C++ 代码大量借鉴了 TensorFlow，并进行了一些改进以提高灵活性。
28. Candlegp：Pytorch 中的高斯过程。
29. dpwa：通过成对平均进行分布式学习。
30. dni-pytorch：使用 PyTorch 的合成梯度解耦神经接口。
31. skorch：一个包装 pytorch 的 scikit-learn 兼容神经网络库
32. ignite：Ignite 是一个高级库，可帮助在 PyTorch 中训练神经网络。
33. 阿诺德：阿诺德 - 《DOOM》特工
34. pytorch-mcn：将模型从 MatConvNet 转换为 PyTorch
35. simple-faster-rcnn-pytorch：具有竞争性能的 Faster R-CNN 的简化实现。
36. Generative_zoo：generative_zoo 是一个存储库，提供 PyTorch 中一些生成模型的工作实现。
37. pytorchviz：一个用于创建 PyTorch 执行图可视化的小包。
38. cogitare：Cogitare - Python 中的现代、快速、模块化深度学习和机器学习框架。
39. pydlt：基于 PyTorch 的深度学习工具箱
40. semi-supervised-pytorch：在 PyTorch 中实现不同的基于 VAE 的半监督和生成模型。
41. pytorch_cluster：优化图聚类算法的 PyTorch 扩展库。
42. 神经汇编编译器：基于自适应神经编译的 pyTorch 神经汇编编译器。
43. caffemodel2pytorch：将 Caffe 模型转换为 PyTorch。
44. extension-cpp：PyTorch 中的 C++ 扩展
45. pytoune：PyTorch 的类似 Keras 的框架和实用程序
46. jetson-reinforcement：适用于 NVIDIA Jetson TX1/TX2 的深度强化学习库，带有 PyTorch、OpenAI Gym 和 Gazebo 机器人模拟器。
47. matchbox：在单个示例级别编写 PyTorch 代码，然后在小批量上高效运行它。
48. torch-two-sample：用于两个样本测试的 PyTorch 库
49. pytorch-summary：PyTorch 中的模型摘要类似于 Keras 中的model.summary()
50. mpl.pytorch：MaxPoolingLoss 的 Pytorch 实现。
51. scVI-dev：PyTorch 中 scVI 项目的开发分支
52. apex：实验性 PyTorch 扩展（稍后将弃用）
53. ELF：ELF：游戏研究平台。
54. Torchlite：（不仅仅是）Pytorch 之上的高级库
55. joint-vae：JointVAE 的 Pytorch 实现，一个用于解开连续和离散变异因素的框架 star2
56. SLM-Lab：PyTorch 中的模块化深度强化学习框架。
57. bindsnet：一个 Python 包，用于使用 PyTorch 在 CPU 或 GPU 上模拟尖峰神经网络 (SNN)
58. pro_gan_pytorch：ProGAN 包作为 PyTorch nn.Module 的扩展实现
59. pytorch_geometric：PyTorch 的几何深度学习扩展库
60. torchplus：在 PyTorch 模块上实现 + 运算符，返回序列。
61. lagom：lagom：一个轻量级的 PyTorch 基础设施，用于快速原型强化学习算法。
62. torchbearer：torchbearer：使用 PyTorch 的研究人员的模型训练库。
63. pytorch-maml-rl：Pytorch 中的模型无关元学习的强化学习。
64. NALU：《神经算术逻辑单元 NAC/NALU 的基本 pytorch 实现》论文，作者：trask et.al arxiv.org/pdf/1808.00508.pdf
65. QuCumber：神经网络多体波函数重建
66. Magnet：自行构建的深度学习项目 http://magnet-dl.readthedocs.io/
67. opencv_transforms：Torchvision 图像增强的 OpenCV 实现
68. fastai：fast.ai 深度学习库、课程和教程
69. pytorch-dense-correspondence：“密集对象网络：通过机器人操作学习密集视觉对象描述符”的代码 arxiv.org/pdf/1806.08756.pdf
70. colorization-pytorch：交互式深度着色的 PyTorch 重新实现 richzhang.github.io/ideepcolor
71. beauty-net：PyTorch 的简单、灵活且可扩展的模板。很美丽。
72. OpenChem：OpenChem：用于计算化学和药物设计研究的深度学习工具包 mariewelt.github.io/OpenChem
73. torchani：PyTorch 上的准确神经网络潜力 aiqm.github.io/torchani
74. PyTorch-LBFGS：L-BFGS 的 PyTorch 实现。
75. gpytorch：PyTorch 中高斯过程的高效模块化实现。
76. Hessian：Pytorch 中的 Hessian。
77. vel：深度学习研究的速度。
78. nonechucks：跳过 PyTorch DataLoader 中的不良项目、使用转换作为过滤器等等！
79. torchstat：PyTorch 中的模型分析器。
80. QNNPACK：量化神经网络包 - 量化神经网络运算符的移动优化实现。
81. torchdiffeq：具有完整 GPU 支持和 O(1) 内存反向传播的可微分 ODE 求解器。
82. redner：可微的蒙特卡罗路径追踪器
83. pixyz：一个以更简洁、直观和可扩展的方式开发深度生成模型的库。
84. euclidesdb：多模型机器学习特征嵌入数据库http://euclidesdb.readthedocs.io
85. pytorch2keras：将 PyTorch 动态图转换为 Keras 模型。
86. 沙拉：半监督学习和领域适应。
87. netharn：pytorch 的参数化拟合和预测工具。
88. dgl：Python 包，旨在在现有 DL 框架之上简化图形深度学习。 http://dgl.ai。
89. gandissect：基于 Pytorch 的工具，用于可视化和理解 GAN 的神经元。 gandissect.csail.mit.edu
90. delira：用于医学成像中快速原型设计和训练深度神经网络的轻量级框架 delira.rtfd.io
91. 蘑菇：用于强化学习实验的 Python 库。
92. Xlearn：迁移学习库
93. geoopt：黎曼自适应优化方法与 pytorch optim
94. vegans：在 PyTorch 中提供各种现有 GAN 的库。
95. torchgeometry：TGM：PyTorch 几何
96. AdverTorch：对抗鲁棒性（攻击/防御/训练）研究的工具箱
97. AdaBound：一个优化器，训练速度与 Adam 一样快，并且与 SGD.a 一样好
98. fenchel-young-losses：PyTorch/TensorFlow/scikit-learn 中具有 Fenchel-Young 损失的概率分类
99. pytorch-OpCounter：计算 PyTorch 模型的 FLOP 次数。
100. Tor10：基于 pytorch 的通用张量网络库，专为量子模拟而设计。
101. Catalyst：用于 PyTorch DL 和 RL 研究的高级实用程序。它的开发重点是可重复性、快速实验和代码/想法重用。能够研究/开发新的东西，而不是编写另一个常规的火车循环。
102. Axe：自适应实验平台
103. pywick：Pytorch 的高级电池神经网络训练库
104. torchgpipe：PyTorch 中的 GPipe 实现 torchgpipe.readthedocs.io
105. hub：Pytorch Hub 是一个预先训练的模型存储库，旨在促进研究的可重复性。
106. pytorch-lightning：Pytorch 的快速研究框架。研究人员的 keras 版本。
107. Tor10：基于 pytorch 的通用张量网络库，专为量子模拟而设计。
108. tensorwatch：来自微软研究院的深度学习和强化学习的调试、监控和可视化。
109. wavetorch：通过波动方程进行数值求解和反向传播 arxiv.org/abs/1904.12831
110. diffdist：diffdist 是 pytorch 的 python 库。它扩展了 torch.autograd 的默认功能，并添加了对进程之间可微分通信的支持。
111. torchprof：用于 Pytorch 模型逐层分析的最小依赖库。
112. osqpth：PyTorch 的可微分 OSQP 求解器层。
113. mctorch：用于深度学习的流形优化库。
114. pytorch-hessian-eigenthings：使用 Hessian 向量积和随机幂迭代进行高效的 PyTorch Hessian 特征分解。
115. MinkowskiEngine：Minkowski Engine 是一个用于广义稀疏卷积和高维稀疏张量的自动差异库。
116. pytorch-cpp-rl：PyTorch C++ 强化学习
117. pytorch-toolbelt：用于快速研发原型和 Kaggle 农业的 PyTorch 扩展
118. argus-tensor-stream：用于将实时视频流解码到 CUDA 内存的库 tensorstream.argus-ai.com
119. macarico：学习在 pytorch 中搜索
120. rlpyt：PyTorch 中的强化学习
121. pywarm：为 PyTorch 构建神经网络的更简洁的方法。 blue-season.github.io/pywarm
122. learn2learn：研究人员的 PyTorch 元学习框架 http://learn2learn.net
123. torchbeast：分布式强化学习的 PyTorch 平台
124. high：higher 是一个 pytorch 库，允许用户在跨越训练循环而不是单个训练步骤的损失上获得更高阶的梯度。
125. Torchelie：Torchélie 是 PyTorch 的一组实用函数、层、损失、模型、训练器和其他东西。 torcheli.readthedocs.org
126. CrypTen：CrypTen 是一个使用 PyTorch 编写的隐私保护机器学习框架，允许研究人员和开发人员使用加密数据训练模型。 CrypTen 目前支持安全多方计算作为其加密机制。
127. cvxpylayers：cvxpylayers 是一个 Python 库，用于在 PyTorch 中构建可微凸优化层
128. RepDistiller：对比表示蒸馏（CRD），以及最新知识蒸馏方法的基准
129. 高岭土：旨在加速 3D 深度学习研究的 PyTorch 库
130. PySNN：高效的尖峰神经网络框架，构建于 PyTorch 之上，用于 GPU 加速。
131. Sparktorch：在 Apache Spark 上训练和运行 Pytorch 模型。
132. pytorch-metric-learning：在应用程序中使用度量学习的最简单方法。模块化、灵活且可扩展。用 PyTorch 编写。
133. autonomous-learning-library：用于构建深度强化学习代理的 PyTorch 库。
134. flambe：一个加速研究及其生产之路的机器学习框架。火焰.ai
135. pytorch-optimizer：PyTorch 的现代优化算法集合，包括：AccSGD、AdaBound、AdaMod、DiffGrad、Lamb、RAdam、RAdam、Yogi。
136. PyTorch-VAE：PyTorch 中的变分自动编码器 (VAE) 集合。
137. ray：用于构建和运行分布式应用程序的快速而简单的框架。 Ray 与 RLlib（一个可扩展的强化学习库）和 Tune（一个可扩展的超参数调整库）打包在一起。雷.io
138. Pytorch Geometric Temporal：PyTorch Geometric 的时间扩展库
139. Poutyne：PyTorch 的类似 Keras 的框架，可处理训练神经网络所需的大部分样板代码。
140. Pytorch-Toolbox：这是 Pytorch 的工具箱项目。旨在让您编写 Pytorch 代码更加容易、可读和简洁。
141. Pytorch-contrib：它包含最近机器学习论文中想法的经过审查的实现。
142. EfficientNet PyTorch：它包含 EfficientNet 的 op-for-op PyTorch 重新实现，以及预训练的模型和示例。
143. PyTorch/XLA：PyTorch/XLA 是一个 Python 包，使用 XLA 深度学习编译器连接 PyTorch 深度学习框架和 Cloud TPU。
144. webdataset：WebDataset 是一个 PyTorch 数据集 (IterableDataset) 实现，提供对存储在 POSIX tar 档案中的数据集的高效访问。
145. volksdep：volksdep 是一个开源工具箱，用于使用 TensorRT 部署和加速 PyTorch、Onnx 和 Tensorflow 模型。
146. PyTorch-StudioGAN：StudioGAN 是一个 Pytorch 库，提供用于条件/无条件图像生成的代表性生成对抗网络（GAN）的实现。 StudioGAN 旨在为现代 GAN 提供一个相同的平台，以便机器学习研究人员可以轻松比较和分析新想法。
147. torchdrift：漂移检测库
148. 加速：一种训练和使用具有多 GPU、TPU、混合精度的 PyTorch 模型的简单方法
149. Lightning-transformers：利用 Pytorch Lightning、Transformers 和 Hydra 使用 SOTA Transformers 进行高性能研究的灵活接口。
150. Flower 联合学习、分析和评估的统一方法。它允许联合任何机器学习工作负载。
151. Lightning-flash：Flash 是基于 PyTorch Lightning 构建的快速原型设计、基线和微调可扩展深度学习模型任务的集合。
152. Pytorch Geometric Signed Directed：PyTorch Geometric 的签名和定向扩展库。
153. Koila：pytorch 的一个简单包装，可防止 CUDA 内存不足问题。
154. Renate：一个用于现实世界持续学习的图书馆。

教程、书籍和示例

1. 实用 Pytorch ：解释不同 RNN 模型的教程
2. DeepLearningForNLPInPytorch：关于深度学习的 IPython Notebook 教程，重点是自然语言处理。
3. pytorch-tutorial：研究人员使用 pytorch 学习深度学习的教程。
4. pytorch-exercises：pytorch-exercises 集合。
5. pytorch教程：各种pytorch教程。
6. pytorch 示例：展示使用 pytorch 示例的存储库
7. pytorch 实践：pytorch 上的一些示例脚本。
8. pytorch 迷你教程：PyTorch 的最小教程改编自 Alec Radford 的 Theano 教程。
9. pytorch 文本分类：Pytorch 中基于 CNN 的文本分类的简单实现
10. 猫 vs 狗：kaggle 竞赛 Dogs vs. Cats Redux: Kernels Edition 在 pytorch 中进行网络微调的示例。目前在排行榜上排名第 27 (0.05074)。
11. convnet：这是在各种数据集（ImageNet、Cifar10、Cifar100、MNIST）上深度卷积网络的完整训练示例。
12. pytorch-generative-adversarial-networks：使用 PyTorch 的简单生成对抗网络（GAN）。
13. pytorch 容器：该存储库旨在通过提供 Torch 表层的 PyTorch 实现列表来帮助以前的 Torchies 更无缝地过渡到 PyTorch 的“无容器”世界。
14. pytorch中的T-SNE：pytorch中的t-SNE实验
15. AAE_pytorch：对抗性自动编码器（使用 Pytorch）。
16. Kind_PyTorch_Tutorial：面向初学者的 Kind PyTorch 教程。
17. pytorch-poetry-gen：基于 pytorch 的 char-RNN。
18. pytorch-REINFORCE：REINFORCE 的 PyTorch 实现，此存储库支持 OpenAIgym 中的连续和离散环境。
19. PyTorch-Tutorial ：轻松快速地构建神经网络 https://morvanzhou.github.io/tutorials/
20. pytorch-intro：几个脚本来说明如何在 PyTorch 中执行 CNN 和 RNN
21. pytorch-classification：CIFAR-10/100 和 ImageNet 上图像分类任务的统一框架。
22. pytorch_notebooks -hardmaru：在 NumPy 和 PyTorch 中创建的随机教程.
23. pytorch_tutoria-quick：PyTorch 快速介绍和教程。针对渴望尝试新框架的计算机视觉、图形和机器学习研究人员。
24. Pytorch_fine_tuning_Tutorial：有关在 PyTorch 中执行微调或迁移学习的简短教程。
25. pytorch_exercises：pytorch 练习
26. 交通标志检测：nyu-cv-fall-2017 示例
27. mss_pytorch：通过循环推理和跳过过滤连接进行歌声分离 - PyTorch 实现。演示：js-mim.github.io/mss_pytorch
28. DeepNLP-models-Pytorch cs-224n 中各种 Deep NLP 模型的 Pytorch 实现（Stanford Univ：NLP with Deep Learning）
29. Mila 入门教程：为欢迎 MILA 新生而提供的各种教程。
30. pytorch.rl.learning：用于使用 PyTorch 学习强化学习。
31. minimal-seq2seq：PyTorch 中神经机器翻译的最小 Seq2Seq 模型
32. tensorly-notebooks：Python 中使用 TensorLy 的张量方法tensorly.github.io/dev
33. pytorch_bits：时间序列预测相关示例。
34. Skip-thoughts：PyTorch 中 Skip-Thought Vectors 的实现。
35. video-caption-pytorch：用于视频字幕的 pytorch 代码。
36. Capsule-Network-Tutorial：Pytorch 易于遵循的 Capsule Network 教程。
37. code-of-learn-deep-learning-with-pytorch：这是《用 PyTorch 学习深度学习》一书的代码 item.jd.com/17915495606.html
38. RL-Adventure：Pytorch 易于遵循的分步深度 Q 学习教程，具有干净可读的代码。
39. 加速_dl_pytorch：在亚特兰大 II Jupyter Day 上使用 PyTorch 加速深度学习。
40. RL-Adventure-2：PyTorch4 教程：演员批评家/近端策略优化/acer/ddpg/双胞胎决斗 ddpg/软演员批评家/生成对抗性模仿学习/事后经验回放
41. 50 行代码的生成对抗网络 (GAN) (PyTorch)
42. 对抗性自动编码器与 pytorch
43. 使用 pytorch 进行迁移学习
44. 如何在 pytorch 中实现 yolo 对象检测器
45. pytorch-for-recommenders-101
46. numpy 用户的 pytorch
47. PyTorch 教程：PyTorch 中文教程。
48. grokking-pytorch：Hitchiker 的 PyTorch 指南
49. PyTorch-Deep-Learning-Minicourse：PyTorch 深度学习迷你课程。
50. pytorch-custom-dataset-examples：PyTorch 的一些自定义数据集示例
51. 用于基于序列的推荐器的乘法 LSTM
52. deeplearning.ai-pytorch：Coursera 深度学习 (deeplearning.ai) 专业化的 PyTorch 实现。
53. MNIST_Pytorch_python_and_capi：这是如何在 Python 中训练 MNIST 网络并使用 pytorch 1.0 在 C++ 中运行它的示例
54. torch_light：教程和示例包括强化训练、NLP、CV
55. portrain-gan：用于解码（并且几乎编码）来自 art-DCGAN 的 Portrait GAN 的潜在特征的 torch 代码。
56. mri-analysis-pytorch：使用 PyTorch 和 MedicalTorch 进行 MRI 分析
57. cifar10-fast：演示如何在 CIFAR10 上训练小型 ResNet，在 79 秒内达到 94% 的测试准确率，如本博客系列所述。
58. Intro to Deep Learning with PyTorch：Udacity 和 facebook 提供的免费课程，对 PyTorch 进行了很好的介绍，并采访了 PyTorch 的原作者之一 Soumith Chintala。
59. pytorch-sentiment-analysis：有关 PyTorch 和 TorchText 进行情感分析的入门教程。
60. pytorch-image-models：PyTorch 图像模型、脚本、预训练权重 - (SE)ResNet/ResNeXT、DPN、EfficientNet、MobileNet-V3/V2/V1、MNASNet、Single-Path NAS、FBNet 等。
61. CIFAR-ZOO：多种 CNN 架构的 Pytorch 实现，并以最先进的结果改进方法。
62. d2l-pytorch：这是将 Dive into Deep Learning、Berkeley STAT 157（2019 年春季）教科书的代码修改为 PyTorch 的尝试。
63. Thinking-in-tensors-writing-in-pytorch：用张量思考，用 PyTorch 编写（深度学习实践介绍）。
64. NER-BERT-pytorch：命名实体识别任务的 PyTorch 解决方案使用 Google AI 的预训练 BERT 模型。
65. pytorch-sync-batchnorm-example：如何在 Pytorch 中使用交叉副本/同步 Batchnorm。
66. SentimentAnalysis：借助 Hugging Face 的 Transformers 库，通过在斯坦福情感树库上微调 BERT 来训练情感分析神经网络。
67. pytorch-cpp：面向深度学习研究人员的 PyTorch 教程的 C++ 实现（基于 pytorch-tutorial 中的 Python 教程）。
68. 使用 PyTorch 进行深度学习：从零到 GAN：交互式和以编码为中心的教程系列，介绍使用 PyTorch 进行深度学习（视频）。
69. Deep Learning with PyTorch：Deep Learning with PyTorch 教您如何使用 Python 和 PyTorch 实现深度学习算法，该书包括一个案例研究：构建能够使用 CT 扫描检测恶性肺部肿瘤的算法。
70. 使用 PyTorch 和 AWS 进行无服务器机器学习：无服务器机器学习实践是使用 AWS、Azure 或 GCP 等主要云提供商的无服务器功能将实验性 PyTorch 机器学习代码投入生产的指南。
71. LabML NN：神经网络架构和算法的 PyTorch 实现的集合，并附有并排注释。
72. 运行与 Flower 联合的 PyTorch 示例：此示例演示了如何将现有的集中式 PyTorch 机器学习项目与 Flower 联合。 Cifar-10 数据集与卷积神经网络 (CNN) 一起使用。

论文实现

1. google_evolution：这实现了 Esteban Real 等人的图像分类器大规模演化的结果网络之一。等人。
2. pyscatwave：使用 CuPy/PyTorch 进行快速散射变换，请在此处阅读论文
3. 缩放散射：缩放散射变换：深度混合网络。
4. deep-auto-punctuation：逐个字符学习自动标点符号的 pytorch 实现。
5. Realtime_Multi-Person_Pose_Estimation：这是Realtime_Multi-Person_Pose_Estimation的pytorch版本，原始代码在这里。
6. PyTorch-value-iteration-networks：价值迭代网络 (NIPS '16) 论文的 PyTorch 实现
7. pytorch_Highway：在pytorch中实现的高速公路网络。
8. pytorch_NEG_loss：pytorch 中实现的 NEG 损失。
9. pytorch_RVAE：循环变分自动编码器，生成在 pytorch 中实现的顺序数据。
10. pytorch_TDNN：在 pytorch 中实现的延时神经网络。
11. eve.pytorch：Eve 优化器的实现，在《Imloving Stochastic Gradient Descent with Feedback》中提出，Koushik 和 Hayashi，2016 年。
12. e2e-model-learning：基于任务的端到端模型学习。
13. pix2pix-pytorch：“使用条件对抗网络进行图像到图像转换”的 PyTorch 实现。
14. Single Shot MultiBox Detector：Single Shot MultiBox 检测器的 PyTorch 实现。
15. DiscoGAN：“学习通过生成对抗网络发现跨域关系”的 PyTorch 实现
16. 官方的盘点实施：官方实施“学习发现与生成对抗网络的跨域关系”。
17. Pytorch-es：这是进化策略的Pytorch实施。
18. PIWISE：使用Pytorch在VOC2012数据集上的像素细分。
19. Pytorch-DQN：Pytorch中的深Q学习网络。
20. NeuralTalk2-Pytorch：Pytorch中的图像字幕模型（带有_Finetune的分支中的可苯CNN）
21. vnet.pytorch：V-NET的Pytorch实现：用于体积医学图像分割的完全卷积神经网络。
22. Pytorch-FCN：完全卷积网络的Pytorch实现。
23. videesnets：pytorch中实现的CIFAR10/100的宽带。该实现需要的GPU内存要比官方火炬实现所要求的要少：https：//github.com/szagoruyko/wide-isidual-networks。
24. Pytorch_highway_networks：Pytorch实施的高速公路网络。
25. Pytorch-Neucom：DeepMind可区分的神经计算机纸的Pytorch实施。
26. 字幕：使用Pytorch生成图像的字幕。
27. Animegan：生成对抗网络的简单pytorch实现，重点是动漫面部图。
28. CNN-TEXT分类：这是Kim在Pytorch中用于句子分类文件的卷积神经网络的实现。
29. DeepSpeech2：使用Baidu Warp-CTC实现DeepSpeech2。基于DeepSpeech2体系结构创建网络，该网络通过CTC激活函数进行训练。
30. SEQ2SEQ：此存储库包含Pytorch中序列（SEQ2SEQ）模型的序列的实现
31. Pytorch中的异步优势参数：这是A3C的Pytorch实现，如异步方法中所述的深度增强学习。由于Pytorch具有一种简单的方法来控制多进程中的共享内存，因此我们可以轻松地实现异步方法（例如A3C）。
32. Densenet：这是G. Huang，Z。Liu，K。Weinberger和L. van der Maaten的论文密集连接的卷积网络中所述的Densenet-BC架构的Pytorch实现。该实现的CIFAR-10+错误率为4.77，具有100层的Densenet-BC，增长率为12。他们的官方实施以及与GitHub上的Liuzhuang13/Densenet Repo一起提供了许多其他第三方实施。
33. nninit：Pytorch nn.Modules的重量初始化方案。这是@kaixhin for Torch7受欢迎的Nninit的港口。
34. 更快的RCNN：这是更快的RCNN的Pytorch实现。该项目主要基于py-faster-rcnn和tffrcnn。有关R-CNN的详细信息，请参阅纸张更快的R-CNN：Shaoqing Ren的REASS建议网络的实时对象检测，由Shaoqing Ren，Kaiming He，Ross Girshick，Ross Girshick，Ross Girshick，Ross Girshick，Ross girshick，简·孙。
35. DOOMNET：Pytorch在Vizdoom环境中实现某些RL模型的Doom-Net版本。
36. Fownet：Dosovitski等人的Pytorch实施Fownet。
37. SQEEZENET：在Pytorch中实现Squeezenet，#### CIFAR10数据上的preftrain Models todage in to to thation thation计划在CIFAR 10上训练该模型并添加块连接。
38. Wassersteingan：Pytorch的Wassersteingan。
39. OPTNET：此存储库是Brandon Amos和J. Zico Kolter的作品库，并包含Pytorch源代码，以在我们的纸张OPTNET中重现实验：在神经网络中作为层的可区分优化。
40. QP求解器：Pytorch的快速QP求解器。由布兰登·阿莫斯（Brandon Amos）和J. Zico Kolter制作。
41. 与基于模型的加速度的连续深度Q学习：通过基于模型的加速度连续深层学习的连续深度Q学习。
42. 学习通过梯度下降来学习梯度下降：Pytorch实施学习通过梯度下降学习的学习。
43. 快速神经风格：快速神经风格的Pytorch实现，该模型使用感知损失中描述的方法，用于实时样式转移和超级分辨率以及实例归一化。
44. Pytorchneuralstylettransfer：在Pytorch中实施神经风格转移。
45. Pytorch的图像样式转换的快速神经样式：图像风格的快速神经风格由Pytorch提供。
46. 神经风格转移：通过神经风格的算法（https://arxiv.org/abs/1508.06576）对Pytorch的简介，由Leon A. Gatys，Alexander S. Ecker和Matthias Bethge开发。
47. vin_pytorch_visdom：pytorch实现价值迭代网络（VIN）：干净，简单且模块化。视觉可视化。
48. YOLO2：Pytorch中的Yolov2。
49. 注意转移：Pytorch的注意转移，在此处阅读论文。
50. SVHNCLASSIFIER：使用深卷积神经网络从街景图像中识别多位数数字识别的Pytorch实现。
51. Pytorch-pemeform-conv：Pytorch实施变形卷积。
52. 开始：开始的Pytorch实施：边界平衡生成对抗网络。
53. Treelstm.pytorch：Pytorch中的树LSTM实现。
54. 年龄：Dmitry Ulyanov，Andrea Vedaldi和Victor Lempitsky的纸质代码“对抗发电机编码器网络”
55. resnext.pytorch：复制使用Pytorch的Resnet-V3（深度神经网络的汇总残差转换）。
56. Pytorch-RL：使用Pytorch＆Vive的深度加固学习
57. 深层叶：与传统的计算机视觉方法相比，使用深神经网络复制了叶snap来测试准确性。
58. pytorch-cyclegan and-pix2pix：未配对和配对的图像到图像翻译的Pytorch实现。
59. A3C-Pytorch：Pytorch在Pytorch中实现优势异步参与者批评算法（A3C）
60. pytorch-value-itriteration-networks：Pytorch价值迭代网络的实现（NIPS 2016最佳纸张）
61. Pytorch风格转移：多式生成网络的Pytorch实现用于实时转移
62. Pytorch-Deeplab-Resnet：Pytorch-Deeplab-Resnet模型。
63. pointnet.pytorch：“ PointNet：3D分类和细分点上的深度学习” https://arxiv.org/abs/1612.00593
64. Pytorch-playground：Pytorch中的基础预处理模型和数据集（MNIST，SVHN，CIFAR10，CIFAR100，STL10，ALEXNET，VGG16，VGG16，VGG19，VGG19，RESNET，RESNET，INCENTION，INCENTION，INCEENETION，INSTERION，SERKEEZENET） 。
65. Pytorch-DNC：带有Pytorch＆Vistom的神经图灵机（NTM）和可区分的神经计算机（DNC）。
66. pytorch_image_classifier：使用Pytorch，finetune在resnet18上使用Pytorch的最小但实用的图像分类器管道，在自己的小数据集上获得了99％的精度。
67. MNIST-SVHN-TRANSFER：CYTORGH和SGAN的PYTORCH实施（最小）。
68. Pytorch-Yolo2：Pytorch-Yolo2
69. DNI：使用pytorch中的合成梯度实施解耦的神经界面
70. WGAN-GP：Pytorch实施纸质“改善了Wasserstein Gans的培训”。
71. pytorch-seq2seq-Intent-parsing：意图解析和插槽填充pytorch，seq2seq +注意
72. pytorch_nce：Pytorch的噪声对比估计算法的实现。工作，但不是很高效。
73. Molencoder：Pytorch中的分子自动编码器
74. GAN权威 - 标准：“关于生成对抗网络中批处理和重量标准化的影响”的代码”
75. Lgamma：Pytorch的Polygamma，Lgamma和Beta功能的实现
76. BigBatch：用于生成“训练更长，更好地概括：缩小神经网络大批次培训的概括差距”中的结果的代码”
77. RL_A3C_PYTORCH：使用A3C LSTM的ATARI 2600实施加固学习。
78. pytorch-重新启动：Pytorch模型动物园的转移学习枪战（Torchvision）
79. NMP_QC：计算机视觉传递神经消息
80. Grad-CAM：Grad-CAM的Pytorch实施
81. Pytorch-trpo：信任区域策略优化（TRPO）的Pytorch实施
82. pytorch-explain-black-box：Pytorch通过有意义的扰动实现黑匣子的可解释说明
83. vae_vpflows：pytorch中的代码，用于凸组合的线性IAF和户主流，JM Tomczak＆M。Welling https://jmtomczak.github.io/deebmed.html
84. 关系网络：Pytorch实施“用于关系推理的简单神经网络模块”（关系网络）https://arxiv.org/pdf/1706.01427.pdf
85. vqa.pytorch：pytorch中的视觉问题回答
86. 端到端致命者：交易还是没有交易？谈判对话的端到端学习
87. Odin-Pytorch：在神经网络中原理检测到分布式示例。
88. 冻结：通过逐渐冻结层加速神经净训练。
89. ARAE：Zhao，Kim，Zhang，Rush和Lecun撰写的纸张代码为“对抗正规化的自动编码器，用于生成离散结构”。
90. 前瞻性思维 - 派托：Pytorch实施“前进思维：一次建立和训练神经网络一层” https://arxiv.org/pdf/1706.02480.pdf
91. context_encoder_pytorch：pytorch上下文编码器的实现
92. 注意事项 - all You-you-weed-Pytorch：“注意力是您所需要的”。
93. OpenFacePyTorch：使用OpenFace的NN4.SMALL2.V1.T7模型使用Pytorch模块
94. 神经组合 - rl-pytorch：通过增强学习的神经组合优化的pytorch实施。
95. Pytorch-NEC：神经情节控制的Pytorch实施（NEC）
96. seq2seq.pytorch：使用pytorch的顺序到序列学习
97. pytorch-sketch-rnn：arxiv.org/abs/1704.03477的pytorch实现
98. pytorch-pruning：[1611.06440]的Pytorch实施，用于资源有效推理的修剪卷积神经网络
99. DRQA：pytorch读取Wikipedia的实施以回答开放域问题。
100. yellowfin_pytorch：自动调节动量SGD优化器
101. Samplernn-Pytorch：Samplernn的Pytorch实现：无条件的端到端神经音频生成模型。
102. Aegean：更深的DCGAN具有AE稳定
103. /pytorch-srresnet：使用生成对抗网络ARXIV：1609.04802V2，用于照片现实的单图超分辨率的Pytorch实现
104. VSEPP：论文的代码“ VSE ++：改进的视觉语义嵌入”
105. pytorch-DPPO：分布式近端策略优化的Pytorch实现：arxiv.org/abs/1707.02286
106. 单元：用于无监督图像到图像翻译的耦合Vae-GAN算法的Pytorch实现
107. Edgition_densenet_pytorch：登录的记忆提高实现
108. TSN-Pytorch：Pytorch中的时间段网络（TSN）。
109. Smash：一种实验技术，用于有效探索神经体系结构。
110. Pytorch-Retinanet：Pytorch的视网膜
111. Biogans：支持ICCV 2017论文“生物图像合成的gans”的实施。
112. 通过对抗性学习的语义图像综合：在ICCV 2017中，论文“通过对抗性学习的语义图像合成”的Pytorch实现。
113. FMPYTORCH：Cython中分解机模块的Pytorch实现。
114. ORN：CVPR 2017中论文“面向响应网络”的Pytorch实施。
115. Pytorch-MAML：MAML的Pytorch实施：arxiv.org/abs/1703.03400
116. Pytorch-Generative-Model-Collections：Pytorch版本中生成模型的收集。
117. VQA-WINNER-CVPRW-2017：CVPR'17中VQA Chllange研讨会的获胜者的Pytorch实施。
118. tacotron_pytorch：Tacotron语音合成模型的Pytorch实现。
119. PSPNET-PYTORCH：PSPNET分割网络的Pytorch实现
120. LM-LSTM-CRF：具有任务敏感语言模型的授权序列标签http://arxiv.org/abs/1709.04109
121. 面对面：PYTORCH的实施“我们距离解决2d＆3d面孔对准问题有多远？（还有230,000 3D面部标志的数据集）”，ICCV 2017
122. Depthnet：静止盒数据集上的Pytorch Depthnet培训。
123. EDSR-PYTORCH：纸的Pytorch版本“增强了单一图像超分辨率的深度残留网络”（CVPRW 2017）
124. E2C-Pytorch：嵌入以控制Pytorch中的实现。
125. 3D-RESNETS-PYTORCH：3D重置用于动作识别。
126. BANDIT-NMT：这是我们EMNLP 2017论文的代码回购“使用模拟人类反馈的Bandit神经机器翻译的增强学习”，它在神经编码器模型的基础上实现了A2C算法，并将模拟不足的Noisy Rewardds的组合对其进行了为组合。
127. PYTORCH-A2C-PPO-ACKTR：优势行为者评论家（A2C），近端策略优化（PPO）和可扩展的信任区域的Pytorch实施，用于使用Kronecker-Filecter-Files-Files-Files-fircation-fircion-tribe-Trust Region方法（ACKTR）。
128. Zalando-Pytorch：Zalando的时尚流行数据集上的各种实验。
129. spheyface_pytorch：pytorch的pytorch实现。
130. 分类DQN：从强化学习的分布角度来看，分类DQN的Pytorch实现。
131. Pytorch-NTM：Pytorch NTM实现。
132. mask_rcnn_pytorch：pytorch中的mask rcnn。
133. graph_convnets_pytorch：pytorch实现图形，nips'16
134. pytorch-faster-rcnn：基于Xinlei Chen的TF-Faster-RCNN的更快RCNN检测框架的Pytorch实现。
135. Torchmoji：DeepMoji模型的Pytorch实施：用于分析情感，情感，讽刺等的最先进的深度学习模型
136. 语义分割 - pytorch：用于语义细分/场景的Pytorch实现MIT ADE20K数据集
137. pytorch-qrnn：准透明神经网络的Pytorch实现 - 比NVIDIA的Cudnn LSTM快16倍
138. pytorch-sgns：pytorch中的skipgram否定采样。
139. SFMlearner-Pytorch：Tinghui Zhou等人的Sfmlearner的Pytorch版本。
140. 可变形 - 卷积式Pytorch：可变形卷积的Pytorch实现。
141. Skip-gram-pytorch：Skipgram模型的完整实现（具有子采样和负采样）。用Spearman的等级相关测试嵌入结果。
142. Stackgan-v2：用于重现Stackgan_v2的Pytorch实现纸张Stackgan ++：Han Zhang*，Tao Xu*，Hongsheng Li的堆叠生成对抗性网络的现实图像合成，张开了
143. pytorch自我批判性：用于图像字幕的自我批判序列训练的非官方pytorch实施。
144. Pygcn：Pytorch中的图形卷积网络。
145. DNC：可区分的神经计算机，用于Pytorch
146. prog_gans_pytorch_inference：使用Celeba快照“逐渐生长”的Pytorch推断。
147. Pytorch-Capsule：胶囊之间Hinton动态路由的Pytorch实现。
148. 金字塔式 - 托尔奇：金字塔的pytorch实现（深层金字塔残留网络，arxiv.org/abs/1610.02915）
149. Radio Trans-Transformer-Networks：从“物理层的深度学习介绍”中，无线电变压器网络实现了无线电变压器网络。 arxiv.org/abs/1702.00832
150. Honk：用于关键字点的Google Tensorflow CNN的Pytorch重新进化。
151. 深处：“深珊瑚：深层域适应性的相关对齐”的Pytorch实施。
152. Pytorch置姿势：用于2D人姿势估计的Pytorch工具包。
153. Lang-emerge-Parlai：使用Pytorch和Parlai实施EMNLP 2017年论文“自然语言不会自然地”。
154. 彩虹：彩虹：结合深度加固学习的改进
155. pytorch_compact_bilinear_pooling v1：此存储库具有紧凑型双线性池的纯python实现，并为pytorch计数素描。
156. CmpactbiLinearpooling-Pytorch V2 ：（ Yang Gao等）用于紧凑型双线性池的Pytorch实现。
157. 几乎没有肖特学习：Pytorch实施本文“优化作为几次学习的模型”的实施
158. MEPROP：“ MEPROP：稀疏的背部传播代码，以减少过度拟合，以加速深度学习”。
159. SFD_PYTORCH：单射量表不变面检测器的Pytorch实现。
160. 梯度episodicMemory：用宝石进行连续学习：梯度情节记忆。 https://arxiv.org/abs/1706.08840
161. DeBlurgan：Pytorch纸Deblergan的实施：使用条件对抗网络的盲型动作去膨胀。
162. Stargan：Stargan：用于多域图像到图像tranlsation的统一生成对抗网络。
163. Capsnet-Pytorch：胶囊之间的NIPS 2017纸动态路由的Pytorch实现。
164. 冷凝网：冷凝网：使用学识渊博的组卷积的有效登记网。
165. 深度图像：图像恢复具有神经网络，但没有学习。
166. 深度档案：使用Pytorch进行深度学习的头姿势估算。
167. 随机浏览：此代码具有“随机擦除数据增强”的论文源代码。
168. FADERNETWORKS：FADER网络：通过滑动属性操纵图像-NIPS 2017
169. Flownet 2.0：Flownet 2.0：具有深网的光流估计的演变
170. pix2pixhd：合成和操纵2048x1024带有条件gans tcwang050999999999999.github.io/pix2pixhd的图像
171. Pytorch-SmoothGrad：Pytorch中的SmoothGrad实现
172. 视网膜：Pytorch的视网膜实施。
173. 更快的rcnn.pytorch：此项目是更快的R-CNN实现速度，旨在加快训练更快的R-CNN对象检测模型。
174. Mixup_pytorch：纸混合的Pytorch实现：超出Pytorch的经验风险最小化。
175. Inplace_ABN：现场激活的batchnorm用于内存优化DNN的训练
176. Pytorch-pose-HG-3D：3D人姿势估计的Pytorch实施
177. NMN-Pytorch：Pytorch中VQA的神经模块网络。
178. Bytenet：Pytorch实施Bytenet，来自“线性时间中的神经机器翻译”纸
179. 自下而上的注意力为VQA：VQA，自下而上的注意力，Pytorch
180. Yolo2-Pytorch：Yolov2是最受欢迎的单阶段对象检测器之一。该项目采用Pytorch作为开发框架来提高生产率，并利用ONNX将模型转换为Caffe 2进行Benifit工程部署。
181. CREEG-PYTORCH：RESEG（arxiv.org/pdf/1511.07053.pdf）的Pytorch实现
182. 二进制式神经元：Pytorch中的二元随机神经元。
183. pytorch置换率：实时多人姿势估计项目的Pytorch实施。
184. Interaction_network_pytorch：用于学习对象，关系和物理学的相互作用网络的Pytorch实现。
185. NOISYNATURALATAREN：PYTORCH纸的实施“噪声自然梯度为变异推断”。
186. ewc.pytorch：詹姆斯·柯克帕特里克（James Kirkpatrick）等人提出的弹性重量巩固（EWC）的实现。克服神经网络中的灾难性遗忘2016（10.1073/pnas.1611835114）。
187. Pytorch-ZSSR：使用深层内部学习的1712.06087“零射”超分辨率的Pytorch实施
188. deep_image_prior：pytorch中深图像先验（Ulyanov等，2017）的图像重建方法的实现。
189. Pytorch-Transformer：Pytorch的注意力是您所需要的。
190. deeprl-ingrounding：这是针对以任务为导向的语言接地的AAAI-18纸封面架构的Pytorch实施
191. Deep-Forecast-Pytorch：使用Pytorch中使用LSTM的风速预测（arxiv.org/pdf/1707.08110.pdf）
192. 猫网：规范外观转换
193. minimal_glo：从论文“优化生成网络的潜在空间”的最低生成潜在优化实现
194. LearningTocompare-Pytorch：Pytorch的纸张实现：学习比较：用于几次学习的关系网络。
195. Poincare-embeddings：NIPS-17论文“Poincaré嵌入用于学习层次表示”的Pytorch实施。
196. Pytorch-trpo（Hessian-Vector产品版本）：这是具有精确Hessian-vector产品的“信任区域策略优化（TRPO）”的Pytorch实现，而不是有限的差异近似。
197. ggnn.pytorch：门控图序列神经网络（GGNN）的Pytorch实现。
198. Visual Interaction-networks-Pytorch：这是使用Pytorch的DeepMind Visual Vission网络的实现
199. 对抗点：对抗补丁的Pytorch实现。
200. 原型网络 - 竞赛 - 击打学习播音：实施pytorch中的少数拍摄学习网络（arxiv.org/abs/1703.05175）
201. 视觉功能 - 属性 - 使用wasserstein-gan-gans-pytorch：使用pytorch中使用wasserstein gans（arxiv.org/abs/1711.08998）实现视觉特征归因。
202. PhotographicimagesSynthesiswithCascadedRefinementnetworks -Pytorch：与级联改进网络的摄影图像合成 - Pytorch实施
203. ENAS-PYTORCH：PYTORCH实现“通过参数共享有效的神经体系结构搜索”。
204. 神经图像评估：神经图像评估的Pytorch实施。
205. ProxProp：近端反向传播 - 一种神经网络训练算法，该算法采用隐式而不是明确的梯度步骤。
206. Fastphotostyle：一种封闭形式的真实性图像样式化的解决方案
207. 深图像 - 分析：基于pytorch的深图像动物学实施。
208. Person-Reid_pytorch：pytorch for Person Re-id。
209. pt-dilate-rnn：pytorch中的扩张rnn。
210. Pytorch-i-Revnet：I-Revnets的Pytorch实现。
211. Orthnet：用于生成正交多项式的张量和Pytorch层。
212. DRRN-PYTORCH：超级分辨率的深递归残留网络（DRRN）的实现，CVPR 2017
213. 洗发水：洗发水的实施。
214. 神经图像评估2：神经图像评估的pytorch实施。
215. TCN：序列建模基准和时间卷积网络locuslab/tcn
216. DCC：此存储库包含用于再现深连续聚类纸结果的源代码和数据。
217. packnet：packNet代码：通过迭代修剪arxiv.org/abs/1711.05769将多个任务添加到单个网络
218. pytorch-progressive_growowing_of_gans：Pytorch gan的渐进生长实施，以提高质量，稳定性和变化。
219. Nonauto-NMT：“非自动回归神经机器翻译”的Pytorch实施
220. Pytorch-Gan：生成对抗网络的Pytorch实现。
221. Pytorchwavelets：Torrence和Compo（1998）中发现的小波分析的Pytorch实施
222. Pytorch制造：制造（蒙版的自动编码器密度估计）在Pytorch中实现
223. VRNN：从复发的潜在变量模型中的变异RNN（VRNN）的Pytorch实现，用于顺序数据。
224. 流量：ICLR 2018的Pytorch实施，用于物理过程的深度学习：整合先前的科学知识。
225. DeepVoice3_Pytorch：基于卷积网络的pytorch实现基于文本到语音综合模型
226. PSMM：如Stephen Merity等人的论文所述，指针前哨混合模型的侵入。
227. TACOTRON2：TACOTRON 2-PYTORCH实现，其推断速度更快。
228. ACCSGD：实现加速SGD算法的Pytorch代码。
229. QANET-PYTORCH：使用Pytorch的Qanet实施（EM/F1 = 70.5/77.2在20个时期后，一张1080TI卡上约20个小时。）
230. 转换：卷积2D知识图嵌入
231. 结构化自我注意：本文的实施一个结构化的自我实施句子嵌入，该句子嵌入了2017年ICLR：arxiv.org/abs/1703.03130。
232. 图形简单：图形的简单参考实现。
233. 检测。从头开始的训练和直接从预验证的检测重量中推断出来。
234. R2PLUS1D-PYTORCH：基于R2Plus1d卷积的Pytorch实施，基于卷积的重新连接体系结构在论文中描述了“更仔细地研究时空卷积的行动识别”
235. Stacknn：可在神经网络中使用的可区分堆栈的Pytorch实现。
236. 翻译：多代理通信中新兴翻译的代码。
237. BAN-VQA：视觉问题回答的双线性注意网络。
238. pytorch-openai-transformer-lm：这是Alec Radford，Karthik Narasimhan，Tim Salimans和Ilya Sutskever提供的Openai论文“通过生成预培训来提高语言理解”的Tensorflow代码的Pytorch实现。
239. T2F：使用深度学习的文本到面。该项目结合了Stackgan和Progan最近的两个架构，用于从文本描述中综合面孔。
240. Pytorch- FID：Fréchet成立距离（FID得分）到Pytorch
241. vae_vpflows：pytorch中的代码，用于凸组合IAF和Househowder Flow，JM Tomczak＆M。Welling Jmtomczak.github.io/deebmed.html
242. COORDCONV-PYTORCH：在“卷积神经网络和CoordConv解决方案”论文中引入的坐标的Pytorch实现。 （arxiv.org/pdf/1807.03247.pdf）
243. SDPoint：实施“用于成本习惯的推断和改善卷积网络中的正规化的随机下采样”，发表在CVPR 2018中。
244. srdensenet-pytorch：srdensenet-pytorch（iccv_2017）
245. GAN_STOSITAINE：纸的代码“ gans实际上确实收敛了哪种培训方法？（ICML 2018）”
246. Mask-Rcnn：Mask RCNN架构的Pytorch实现，是与Pytorch合作的介绍
247. Pytorch-Coviar：压缩视频动作识别
248. PNASNET.PYTORCH：PNASNET-5在Imagenet上实现Pytorch。
249. Nalu-Pytorch：NAC/NALU的基本pytorch实现了来自神经算术逻辑单元arxiv.org/pdf/1808.00508.pdf
250. LOLA_DICE：使用DICE（arxiv.org/abs/1802.05098）
251. 如“神经场景表示和渲染”中所述
252. pytorch_hmax：在Pytorch中实现HMAX视觉模型。
253. FCN-PYTORCH最佳：试图成为FCN的最简单，最容易使用的Pytorch实现（完全令人振奋的网络）
254. 传感器：具有Pytorch结合的快速序列传感器实现。
255. AVO-PYTORCH：在Pytorch中实施对抗性变化优化。
256. HCN-PYTORCH：{共发生功能从骨架数据中学习的pytorch重新实现，以通过分层聚合进行动作识别和检测。
257. 二进制范围范围：Pytorch实施了麦克唐纳（McDonnel）1位权重的广泛残留网络（ICLR 2018）
258. Piggyback：Piggyback代码：通过学习掩盖权重arxiv.org/abs/1801.06519，将单个网络调整为多个任务
259. VID2VID：我们的高分辨率方法（例如2048x1024）的Pytorch实现了逼真的视频与视频翻译。
260. 泊松 - 卷积 - 卷：实现无限的泊松加权卷积总和
261. TBD-NETS：Pytorch实现“设计透明度：在视觉推理中缩小性能与可解释性之间的差距” arxiv.org/abs/1803.05268
262. attn2d：普遍关注：序列到序列预测的2D卷积网络
263. Yolov3：Yolov3：pytorch pjreddie.com/darknet/yolo中的培训和推理
264. 深梦式：深梦计算机视觉算法的pytorch实现。
265. Pytorch-Flows：算法的Pytorch实现密度估计
266. 分位数回归DQN-PYTORCH：分位数回归DQN一个最小的工作示例
267. 关系RNN-PYTORCH：Pytorch中DeepMind的关系复发网络的实现。
268. DEXTR-PYTORCH：深度切割http：//www.vision.ee.ethz.ch/~cvlSegentation/dextr
269. pytorch_gbw_lm：Google十亿个单词数据集的Pytorch语言模型。
270. pytorch-nce：用pytorch编写的软马克斯输出的噪声对比估计
271. 生成模型：注释，可理解的，视觉上可解释的Pytorch实现：Vae，Birvae，Nsgan，Mmgan，Mmgan，Wgan，Wgangp，wgangp，lsgan，dragan，Dragan，开始，开始，Ragan，Infogan，Fgan，Fgan，Fishergan，Fishergan。
272. Convnet-AIG：具有自适应推理图的卷积网络的Pytorch实现。
273. 集成级别的派系：这是纸质 - 深网的公理归因的pytorch实现。
274. Malconv-Pytorch：Malconv的Pytorch实施。
275. Trellisnet：用于序列建模的格子网络
276. 学习与深度多机构强化学习进行交流：pytorch实施学习