Awesome pytorch list CNVersion

Awesome-Pytorch-Liste ｜ Awesome Pytorch-Projekt

Englische Version

Inhalt ｜ Inhalt

• Awesome-Pytorch-Liste ｜ Awesome Pytorch-Projekt
  • Englische Version
  • Inhalt ｜ Inhalt
  • Pytorch & verwandte Bibliotheken ｜ Pytorch & verwandte Bibliotheken
    • NLP & Sprachverarbeitung ｜ Verarbeitung natürlicher Sprache und Sprachverarbeitung
    • CV ｜ Computer Vision
    • Probabilistische/generierte Bibliotheken ｜ Wahrscheinlichkeitsbibliothek und Generationsbibliothek
    • Andere Bibliotheken ｜ Andere Bibliotheken
  • Tutorials & Bücher & Beispiele ｜ Tutorials & Bücher & Beispiele
  • Papierimplementierungen ｜ Papierimplementierung
  • Gespräche & Konferenzen ｜ Berichte und Konferenzen
  • Pytorch anderswo | Pytorch verwandt

Pytorch & verwandte Bibliotheken ｜ Pytorch & verwandte Bibliotheken

1. Pytorch: Tensoren und dynamische neuronale Netzwerke in Python mit starker GPU -Beschleunigung | Python Tensor Computing und dynamische neuronale Netzwerke unter Verwendung einer starken GPU -Beschleunigung.

NLP & Sprachverarbeitung ｜ Verarbeitung natürlicher Sprache und Sprachverarbeitung:

1. 2800+ Text: Datenladen und Abstraktion für Textdaten und NLP -Datensätze.
2. 1300+ Pytorch-seq2seq: Ein Open-Source-Framework für die Behandlung von SEQ2SEQ in Pytorch.
3. 1000- Anuvada: NLP Interpretierbares Modell.
4. 1300+ Audio: Einfacher Audio -E/O.
5. 1000- Schleife: Eine Methode der Sprachgenerierung über mehrere Sprecher hinweg.
6. Null Faireq: Das von Facebook entwickelte Sequenz-zu-Sequenz-Python-Toolkit.
7. 1000- Sprache: End-to-End-Modellimplementierung von Sprache zu Text.
8. 5100+ OpenNMT-PY: Open Source Neural Machine Translation http://opennmt.net.
9. 2300 NEURALCOREF: Verwenden Sie neuronale Netze in Spacy, um eine schnelle koreferenzielle Verdauung zu erzielen.
10. 1000+ Sentiment-Discovery: Die Anwendung von skalebasierten unbeaufsichtigten Sprachmodell in der robusten Sentiment-Klassifizierung.
11. 2800+ Muse: Eine mehrsprachige unbeaufsichtigte oder überwachte Wortbettbibliothek.
12. 1000- nmtpytorch: Sequenz-zu-Sequenz-Framework in Pytorch.
13. 1000- Pytorch-Wavenet: Erzeugen Sie schnell eine Wellenetimplementierung.
14. 1000- Tacotron-Pytorch: Tacotron: End-to-End-Sprachsynthese.
15. 10300+ Allennlp: Open Source NLP Research Library basierend auf Pytorch. http://www.alennlp.org/
16. 1900 Pytorch-NLP: Eine Bibliothek, die zur Beschleunigung der NLP-Forschung, einschließlich neuronaler Netzwerkschichten, Textverarbeitungsmodulen und zahlreichen Datensätzen, eingerichtet wurde. pytorchnlp.readthedocs.io
17. 1000- Quick-NLP: Pytorch NLP-Bibliothek basierend auf Fastai.
18. 4900+ TTS: Ein tiefes Lernrahmen für Text zur Sprache.
19. 2800+ Laser: Laser ist eine Bibliothek, die zur Berechnung und Verwendung von mehrsprachigen Anweisungsempfungen verwendet wird.
20. 1100+ Pyannote-Audio: Neuronale Bausteine ​​für die Klassifizierung der Sprecher: Erkennung von Sprachaktivitäten, Erkennung von Sprecheränderungen, Einbettung des Sprechers.
21. 1000- Gensen: Eine universelle Satzrepräsentation basiert auf großem Maßstab Multitasking-Lernen.
22. 1000- Übersetzer: Übersetzung - Eine Pytorch -Sprachbibliothek.
23. 3900+ ESPNET: End-to-End-Sprachverarbeitungs-Toolset. espnet.github.io/espnet
24. 4500+ Pythia: Ein modularer Rahmen für multimodale Forschung zu visuellen und Sprachen, die von Fair (Facebook -AI -Forschung) stammen.
25. 1400+ unbeaufsichtigt: neuronale unbeaufsichtigte maschinelle Übersetzung basierend auf Phrasen.
26. 1300+ Jiant: Ein Jiant -Toolkit für allgemeine Textverständnismodelle. https://jiant.info
27. 4300+ Bert-Pytorch: Google AI 2018 Berts Pytorch-Implementierung, begleitet von einfachen Kommentaren.
28. 2100+ Inferent: NLI -Satzeinbettung (Inferent) und Trainingscode.
29. 1300+ UIS-RNN: UIS-RNN-Algorithmus des Verschachtelungszustands rekursives neuronales Netzwerk (UIS-RNN), der Klang von verrückten Umgebungen unterscheiden kann, die dem Papier vollständig beaufsichtigtes Lautsprecherdurchfall entsprechen. arxiv.org/abs/1810.04719
30. 10600+ Flair: Ein einfacher Rahmen für hochmodernes NLP.
31. 6200+ Pytext: natürliches Sprachmodellierungsrahmen basierend auf Pytorch. fb.me/pytextdocs
32. 1000- VoiceFilter: Inoffizielle Implementierung von Google AIs VoiceFilter. http://swpark.me/voiceFilter
33. 1000- Bert-Ner: Named-ent-Erkennung basierend auf Bert.
34. 1000- Transfer-NLP: NLP-Bibliothek für replizierbare experimentelle Verwaltung.
35. 1000- Texar-Pytorch: Maschinelles Lernen und Textgenerierungs-Toolkit. Texar.io
36. 2000+ Pytorch-Kaldi: Pytorch-Kaldi ist ein hochmodernes DNN/RNN-Hybrid-Spracherkennungssystem in der Entwicklung. Sein DNN -Teil wird von Pytorch implementiert, während die Feature -Extraktion, die Beschriftungsberechnung und die Dekodierung vom Kaldi -Toolkit durchgeführt werden.
37. 2900+ NEMO: Neurales Modul: Konversations -AI -Toolset nvidia.github.io/nemo
38. 1000- Pytorch-Struct: Die getestete GPU-Implementierungsbibliothek implementiert einige zentrale strukturierte Algorithmen im tiefen Lernen, wie HMM, DEP-Bäume, Cky, ...
39. 1000- Espresso: Espresso: Eine schnelle Reihe von End-to-End-Instrumenten für neuronale Spracherkennung.
40. 48900+ Transformers: Huggingface -Transformatoren: Die fortschrittlichsten NLP -Tools für Tensorflow 2.0 und Pytorch. Huggingface.co/Transformers
41. 1500+ Reformer-Pytorch: Pytorch-Version von Reformer.
42. 1000- reie-metrics: Modellbewertungsmetriken in Pytorch.
43. 2600+ Speechbrain: Sprachbrain ist ein Open-Source- und All-in-One-Sprach-Toolkit, das auf Pytorch basiert.
44. 1000- BackProp: Backprop macht es einfach, ML-Modelle zu verwenden, finetune und bereitzustellen.

CV ｜ Computer Vision:

1. 9400+ Pytorch Vision: Torchvision enthält beliebte Datensätze, Modellarchitekturen und häufig verwendete Bildtransformationen im Computervision.
2. 1000- pt-Styletransfer: Übertragung im neuronalen Stil als Klasse in Pytorch.
3. 1000- OpenFacepytorch: Pytorch-Modul mit OpenFace NN4.Small2.v1.t7 Modell.
4. 1000- img_classification_pk_pytorch: Vergleichen Sie schnell Ihr Bildklassifizierungsmodell mit hochmodernen Modellen (wie Densenet, Resnet, ...)
5. 1400+ SparseConvnet: Submanifold Sparse Falthonteal Neural Network.
6. 1000- FAXEL_LSTM_PYTORCH: Multi-Layer-Faltungsmodul (Long Short-Term Memory Network).
7. 5000+ Gesichtsausrichtung: 2D- und 3D-Gesichtsausrichtungsbibliotheken basierend auf Pytorch. adrianbulat.com
8. 1500+ Pytorch-Semantic-Segmentierung: Semantische Segmentierung.
9. 1000- roialign.pytorch: Pytorch-Version von Roialign. Die Implementierung basiert auf CROP_AND_RESIZE und unterstützt vorwärts und rückwärts bei CPU und GPU.
10. 1000- Pytorch-Cnn-Fintun: Pre-Training-Faltungsnetzwerke mit Pytorch-Feinabstimmung.
11. 1000- Detektorch: Detektorch - Pytorch -Version des Detektronengerüsts, derzeit nur die Inferenz- und Bewertungsfunktionen von DETECTRON ohne Schulungsfunktionen.
12. 4400+ Augmentor: Bildverbesserungsbibliothek für maschinelles Lernen. http://augmentor.readthedocs.io
13. 1000- S2CNN: Sphärische CNNs: Pytorch-Implementierung von sphärischen Faltungsnetzen. (zB All-Round-Bild, globales Signal)
14. 2100+ Torchcv: Ein Computer -Vision Deep Learning Framework basierend auf Pytorch.
15. 8400+ MaskRCNN-Benchmark: Eine schnelle modulare Referenzimplementierung der Instanzsegmentierung und Objekterkennung.
16. 2200+ Bildklassifizierung-Mobile: Computer Vision Faltungsnetzwerks-Sandbox, die eine Sammlung von Schulungsklassifizierungsmodellen auf ImageNet-1K enthält.
17. 1000- MedicalTorch: Ein medizinisches Bildgebungsrahmen. http://medicaltorch.readthedocs.io
18. 8400+ Rechnungslegungen: Einfach zu bedienender Wrapper für schnelle Bildverbesserungsbibliotheken und andere Bibliotheken.
19. 4200+ Kornia: Open Source Microcomputer Vision Library. https://kornia.org
20. 1000- Textdetektor: Text erkennen und übersetzen.
21. 2200+ Spacenet-Pytorch: Vorausgebildeter Pytorch-Gesichtserkennungs- und Erkennungsmodell, portiert von Davidsandberg/Spaceenet.
22. 17300+ DETECTRON2: DETECTRON2 ist die Next -Generation -Zielerkennungs- und Segmentierungsforschungsplattform von Fair.
23. 1000- Vedaseg: Eine semantische Segmentierungs-Toolbox basierend auf Pytorch.
24. 1300+ CLASSYVISION: Ein End-to-End-Pytorch-Framework für die Bild- und Videoklassifizierung. https://classyvision.ai
25. 1000- Erfindung: Verwenden Sie 5 Codezeilen, um ein voll funktionsfähiges Computer-Vision-Modell zu erstellen. https://detecto.readthedocs.io/
26. 5000+ Pytorch3d: Pytorch3d ist eine effiziente, wiederverwendbare 3D -Computer -Vision -Bibliothek für Deep Learning. https://pytorch3d.org/
27. 15700+ mmdetektion: MMDERTECTICE ist eine Open -Source -Objekterkennungs -Toolbox, die zum OpenMMLAB -Projekt gehört.
28. 1000- Neural-Dream: Die Pytorch-Implementierung des Deepdream-Algorithmus kann traumhafte visuelle Halluzinations-Effekte erzeugen.
29. 1000- FlashTorch: Visualisierungstoolkit für neuronale Netze in Pytorch!
30. 1000- Lucent: Tensorflow und Openai Clarity's Lucid adaptiert für Pytorch.
31. 1300+ mmdetction3d: MmDetction3D ist die Plattform der nächsten Generation von OpenMMMLAB für die allgemeine 3D-Objekterkennung, ein Teil des OpenMMLAB-Projekts.
32. 2100+ MMSEGENGM es: MMSegmentierung ist eine semantische Segmentierung Toolbox und Benchmark, ein Teil des OpenMMLAB -Projekts.
33. 2200+ MMediting: MMediting ist eine Bild- und Videobearbeitungs -Toolbox, ein Teil des OpenMMMLAB -Projekts.
34. 1000+ MMACTION2: MMACTION2 ist OpenMMMLABs Next -Generation -Aktionsverständnis für Toolbox und Benchmark, ein Teil des OpenMMLAB -Projekts.
35. 1000+ MMIlung: MMIltiert ist eine Pose -Schätzung -Toolbox und ein Benchmark, ein Teil des OpenMMMLAB -Projekts.
36. 1000+ leicht - leicht ist ein Computer -Vision -Framework für das selbstbewertete Lernen.

Probabilistische/generierte Bibliotheken ｜ Wahrscheinlichkeitsbibliothek und Generationsbibliothek:

1. 1000- ptstat: Wahrscheinlichkeitsprogrammierung und statistische Inferenz.
2. 7000+ Pyro: Eine tiefe, universelle Wahrscheinlichkeitsprogrammierbibliothek basierend auf Python und Pytorch. http://pyro.ai
3. 1000- probTorch: Probabilistische Taschenlampe ist eine Bibliothek, die das Modell der Deep-Generation von Pytorch erweitert.
4. 1000- Paysage: Unüberwachungsübergreifendes Lernen und generative Modellbibliothek basierend auf Python/Pytorch.
5. 1000- Pyvarinf: Python-Paket, das die Anwendung von Bayesian Deep Learning-Methoden mit variationsübergreifender Inferenz in Pytorch fördert.
6. 1000- pyprob: Eine Bibliothek für probabilistische Programmierung und Inferenzkompilierung basierend auf Pytorch.
7. 1000- MIA: Eine Bibliothek, in der Mitglieder-Argumentationsangriffe gegen maschinelle Lernmodelle ausgeführt werden.
8. 1000- pro_gan_pytorch: Progan-Paket als Erweiterung von Pytorch nn.module.
9. 2000+ Botorch: Bayes'sche Optimierung in Pytorch.

Andere Bibliotheken ｜ Andere Bibliotheken:

1. 1000- Pytorch-Extras: Zusätzliche Merkmale von Pytorch.
2. 1000- Funktionaler Zoo: Modelldefinition und Vorausbildung Gewichte für Pytorch und Tensorflow.
3. 1600+ Torch-Sampling: Pytorch-Probenahme, Fortgeschrittene, Datenvergrößerung und Versorgungsunternehmen.
4. 1000 -Reisebereich: Torchcraft Python Wrapper, Torchcraft ist die Brücke, die Fackel und Starcraft verbindet.
5. 1000- aorun: Aorun versucht, eine kerasähnliche API mit Pytorch als Backend zu implementieren.
6. 1000- Logger: Logger für maschinelles Lernen.
7. 1000- Pytorch-Docset: Pytorch-Offline-Dokumentation, kombiniert mit Armaturenbrett, Eifer, Geschwindigkeit oder LovelyDocs.
8. 1000- convert_torch_to_pytorch: konvertiert das Torch T7-Modell in das Pytorch-Modell.
9. 8000+ vorbereitete Modelle.
10. 1000- pytorch_fft: Pytorch-Wrapper für Cuda ffts.
11. 1000- Caffe_to_torch_to_pytorch: Das Caffe-Modell wird in das Pytorch/Torch-Modell umgewandelt und das Torchmodell in das Pytorch-Modell konvertiert.
12. 1000- Pytorch-Extension: Beispiel für das CUDA-Erweiterungsbeispiel von Pytorch, berechnet das Hadamard-Produkt zweier Tensoren.
13. 7000+ Tensorboard-Pytorch: Dieses Modul spart Pytorch-Tensoren im Tensorboard-Format zur Inspektion. Derzeit unterstützt es Scalar, Bild, Audio, Histogramm und andere Merkmale in Tensorboard.
14. 2400+ GPYTORCH: GPYTORCH ist eine mit PyTorch implementierte Gaußsche Prozessbibliothek. Es macht es einfach, skalierbare, flexible und modulare Gaußsche Prozessmodelle zu erstellen.
15. 2500+ Spotlight: ein ausführliches empfohlenes Modell.
16. 1000- Pytorch-CNs: Verallgemeinerte komprimierte Netzwerksuche basierend auf Pytorch.
17. 1000- Pyinn: Cupy implementiert verschmolzene Pytorch-Operation.
18. 1000- Inferno: Über die Utility Library von Pytorch.
19. 1000- Pytorch-Fitmodule: Eine super einfache Anpassungsmethode für das Pytorch-Modul.
20. 4000+ Inferno-Sklearn: Eine Scikit-Learn-kompatible neuronale Netzwerkbibliothek basierend auf Pytorch-Kapselung.
21. NULL PYTORCH-CAFFE-DARKNET-CONVERT: Konvertieren Sie zwischen Pytorch, Caffe Prototxt/Gewichten und DarkNet CFG/Gewichten.
22. 1000- Pytorch2Caffe: Pytorch-Modell in das Caffe-Modell konvertieren.
23. 1000- Pytorch-Tools: Pytorch-Werkzeug.
24. 1900+ SRU: Training RNNs ist so schnell wie das Training von CNNs. (arxiv.org/abs/1709.02755)
25. 1000- TROM2COREML: TORCH7 -> COREML, ein Tool, das das Torch7 -Modell in das Apple Coreml -Format zum Ausführen von Apple -Geräten umwandelt.
26. 1700+ Pytorch-Coding: Pytorch Deep Texture Coding Network (Deep Texture Coding Network) http://hangzh.com/pytorch-coding
27. 1000- Pytorch-CTC: Pytorch-CTC implementiert Strahlsuchdecodierung durch CTC (Connectionist Temporal Classification). Der C ++ - Code leiht sich von TensorFlow aus und fügt mit einigen Verbesserungen Flexibilität hinzu.
28. 1000- candlegp: Gaußscher Prozess in Pytorch.
29. 1000- DPWA: Verteiltes Lernen basierend auf paarweisen Mittelung.
30. 1000- DNI-Pytorch: Pytorch entkoppelte neuronale Grenzfläche basierend auf synthetischen Gradienten.
31. 4000+ Skorch: Eine scikit-larn-kompatible Bibliothek für neuronale Netzwerke basierend auf Pytorch-Kapselung.
32. 3600+ Ignite: Ignite ist eine hochrangige Bibliothek, mit der Sie neuronale Netzwerke in Pytorch trainieren können.
33. 1000 - Arnold: Arnold - Doom Game Agent.
34. 1000- Pytorch-MCN: Das Matconvnet-Modell in Pytorch-Modell konvertieren.
35. 3200+ Einfacher faszinierter RCNN-Pytorch: Eine vereinfachte Implementierung von schnellerem R-CNN mit der Leistung, die mit der des Originalpapiers vergleichbar ist.
36. 1000- generative_zoo: generative_zoo bietet funktionierende Implementierungen einiger Generativmodelle in Pytorch.
37. 1800+ Pytorchviz: Visualisieren Sie das laufende Diagramm von Pytorch.
38. 1000- Cogitare: Cogitare - Ein moderner, schneller und modularer Framework für maschinelles Lernen.
39. 1000- PYDLT: Eine Deep Learning Toolbox basierend auf Pytorch.
40. 1000- Semi-Supervised-Pytorch: Implementierung verschiedener vae-basierter halbübergreifter Modelle und generativer Modelle.
41. 1000- pytorch_cluster: Pytorch-Erweiterungsbibliothek zum Optimieren von Graphencluster-Algorithmus.
42. 1000- Neural-Assembly-Kompiler: Pytorch Neural Assembly Compiler basiert auf adaptiver Neuralzusammenstellung.
43. 1000- Caffemodel2PyTorch: Konvertieren von KAFE-Modell in Pytorch-Modell.
44. 1000- Extension-CPP: C ++- Erweiterung in Pytorch.
45. 1000- pytoune: Klassenkeras-Framework und Nutzen.
46. 1000- Jetson-Unfughement: Nvidia Jetson Deep verstärkte Lernen GPU-Bibliothek simuliert mit Pytorch, OpenAI-Fitnessstudio und Pavillon-Robotern.
47. 1000- Matchbox: Schreiben Sie Pytorch-Code für ein einzelnes Beispiel und führen Sie in kleinen Chargen effizient aus.
48. 1000- TORCH-TWO-Sample: Pytorch-Testbibliothek mit zwei Stichproben.
49. 3100+ Pytorch-Summary: Pytorch-Modellzusammenfassung, ähnlich wie model.summary() in Keras.
50. 1000- mpl.pytorch: Pytorch-Implementierung von Maxpoolingloss.
51. null scvi-dev: Der Link ist ungültig.
52. 5500+ Apex: Eine Pytorch-Erweiterung: Aus der dünn simplifizierten hybriden Präzision und verteiltem Training ausgerichtet.
53. 3100+ ELF: ELF: Eine Spieleforschungsplattform, die Alphagozero/Alphazero wieder herstellt.
54. 1000- Therchlite: Pytorch baut eine hochrangige Bibliothek auf beliebten Rahmenbedingungen für maschinelles Lernen wie Sklearn, Pytorch und Tensorflow auf.
55. 1000- Joint-vae: Pytorch-Implementierung von Jointvae, ein Rahmen zur Trennung kontinuierlicher und diskreter Variabilitätsfaktoren?
56. 1000- SLM-Lab: Pytorch Modular Deep verstärkte Lerngerüst.
57. 1000- Bindsnet: Ein Python-Paket, das gepulste neuronale Netzwerke auf CPUs oder GPUs mit Hilfe der Pytorch- Tensor simuliert.
58. 1000- pro_gan_pytorch: Progan-Paket als Erweiterung von Pytorch nn.module.
59. 11500+ Pytorch_Geometric: Pytorch Geometry Deep Learning Extension Library.
60. 1000- terchplus: Implementieren Sie den + Operator in Pytorch-Modulen, um die Sequenz zurückzugeben.
61. 1000- Lagom: Lagom: Eine leichte Pytorch-Architektur für das schnelle Prototyping von Verstärkungslernen-Algorithmen.
62. 1000- Torchbearer: Torchträger: Pytorch-Modellanpassungsbibliothek.
63. 1000- Pytorch-Maml-RL: Modell-Agnostische Meta-Learning im Verstärkungslernen.
64. 1000-
65. 1000- Qucumber: Rekonstruktion der Multi-Körper-Wellenfunktion in neuronalen Netzwerken.
66. 1000- Magnet: Selbst im vorbetriebes Deep Learning Project. http://magnet-dl.readthedocs.io/
67. 1000- opencv_transforms: OpenCV implementiert Bildsegmentierung von Torchvision.
68. 21100+ Fastai: Fast.ai Deep Learning Library, Kurse und Tutorials.
69. 1000- Pytorch-Dicht-Korrespondenz: Code für den Artikel "dichte Objektnetze: Lernen dichter visueller Objektdeskriptoren nach und für Robotermanipulation".
70. 1000- COLORISION-PYTORCH: Pytorch implementiert eine interaktive Tiefe. Richzhang.github.io/ideepcolor
71. 1000- Beauty-Net: Pytorch Eine einfache, flexible und erweiterbare Pytorch-Vorlage.
72. 1000- OpenChem: OpenChem: Deep Learning Toolkit für Computerchemie und Arzneimitteldesign-Forschung Mariewelt.github.io/openchem.
73. 1000- terchani: Pytorch genaues neuronales Netzwerkpotential. aiqm.github.io/torchani
74. 1000- pytorch-lbfgs: pytorch implementiert l-bfgs.
75. 2400+ GPYTORCH: Eine effiziente und modulare Implementierung von Gaußschen Prozessen in Pytorch.
76. 1000- Hessian: Pytorch-Version von Hessian.
77. 1000- Vel: Geschwindigkeit in der Deep-Learning-Forschung.
78. 1000- Non-Echucks: Verarbeiten Sie schlechte Beispiele im Datensatz dynamisch, indem Sie Transformationen als Filter verwenden.
79. 1000+ Torchstat: Modellanalysator in Pytorch.
80. 1400+ QNNPack: Quantitatives neuronales Netzwerkpaket - Implementierung der mobilen Optimierung des quantisierten neuronalen Netzwerkbetreibers.
81. 3600+ Torchdiffeq: Pytorch löst die gewöhnliche Differentialgleichung (ODE) unter Verwendung eines Backpropagationsalgorithmus, der durch die vollständige GPU- und O (1) -Schem Speicherkomplexität unterstützt wird.
82. 1000+ Redner: Differenzierbarer Monte -Carlo -Pater -Tracker.
83. 1000- pixyz: Eine Bibliothek zur Entwicklung von tiefen generativen Modellen auf prägnantere, intuitivere und skalierbare Weise.
84. 1000- EuclidesDB: Eine eingebettete Multi-Model-Modell-Lernfunktion. http://euclidesdb.readthedocs.io
85. 1000- Pytorch2keras: Konvertieren Sie das Pytorch-Modell in das Kerasmodell.
86. 1000- Salat: Domänenanpassung und semi-überprüfter Lernwerkzeugkasten.
87. 1000- netharn: Parametrisierte Anpassung und Vorhersagegurte für Pytorch.
88. 7700+ DGL: Python -Paket, basierend auf dem vorhandenen DL -Framework, wird verwendet, um das Deep -Lernen von Grafiken zu vereinfachen. http://dgl.ai.
89. 1600+ Gandissekt: Ein pytorchbasiertes Werkzeug zum Visualisieren und Verständnis von Gans Neuronen. gandissect.csail.mit.edu
90. 1000- delira.rtfd.io
91. 1000- Mushroom: Python Library für Verstärkungslernensexperimente.
92. 1000- Xlearn: Übertragungslernbibliothek.
93. 1000- Geoopt: Riemann Adaptive Optimierungsmethode basierend auf der Pytorch-Optimierung.
94. 1000- Veganer: Enthält mehrere vorhandene Gans.
95. 4200+ Kornia: Pytorch Open Source Microcomputer Vision Library. https://kornia.org
96. 1000- Werbung: Eine Toolbox zur Erforschung der Robustheit.
97. 2800+ Adabound: Ein Optimierer, der so schnell wie Adam und so gut wie SGD trainiert.
98. 1000- Fenchel-Young-Verlust: Verwenden Sie den Fenchel-Young-Verlust als Verlustfunktion für die Wahrscheinlichkeitsklassifizierung in Pytorch/Tensorflow/Scikit-Learn.
99. 2700+ Pytorch-Opcounter: Statistik-Macs/Flops des Pytorch-Modells.
100. 1000- tor10: Eine allgemeine Tensor-Netzwerkbibliothek für Quantensimulation basierend auf Pytorch.
101. 2600 Katalysator: Advanced Utility für Pytorch DL & RL Research. Sein Entwicklungsfokus ist Wiederholbarkeit, schnelles Experimentieren und Wiederverwendung von Code/Idee. In der Lage sein, etwas Neues zu erforschen/zu entwickeln, anstatt eine weitere reguläre Trainingsschleife zu schreiben.
102. 1500+ AX: Adaptive experimentelle Plattform.
103. 1000- Pywick: hochrangige Pytorch Neural Network Training Library.
104. 1000- terchgpipe: pytorch implementiert gpipe. fackretpipe.readthedocs.io
105. 1000+ Hub: Pytorch Hub ist eine vorgebildete Modellbibliothek, mit der die Wiederholbarkeit der Forschung verbessert wird.
106. 14600+ Pytorch-Lightning: Eine leichte Pytorch-Wrapper für ML-Forscher. Skalierung des Modells, weniger Vorlagen schreiben.
107. 1000- tor10: Eine allgemeine Tensor-Netzwerkbibliothek für Quantensimulation basierend auf Pytorch.
108. 3100+ Tensorwatch: Debugging, Überwachung und Visualisierung von Python -maschinellem Lernen und Datenwissenschaft.
109. 1000- Wavetorch: Numerische Lösung und Gegenprallung von Wellengleichungen. arxiv.org/abs/1904.12831
110. 1000- Diffdist: Diffdist ist eine Python-Bibliothek für Pytorch. Es erweitert die Standardfunktionalität von torch.autograd und fügt Unterstützung für die Mikrocommunikation mit Inter-Process hinzu.
111. 1000- THROFROF: Die Bibliothek für Mindestabhängigkeit für die Schicht-für-Schicht-Analyse von Pytorch-Modellen.
112. 1000- OSQPTH: Pytorch Microskopic OSQP-Solver.
113. 1000- MCTORCH: Eine vielfältige Optimierungsbibliothek für Deep Learning.
114. 1000- Pytorch-Hessian-Ei-Zentnere: Effizientes Pytorch-Hessian-Merkmal-Zersetzung unter Verwendung von Hessian-Vektorprodukt und Zufallsleistung Iteration.
115. 1200+ Minkowskiengine: Minkowski-Motor ist eine automatische Differentialmethodenbibliothek für eine generalisierte spärliche Faltung und hochdimensionale spärliche Tensoren.
116. 1000- Pytorch-CPP-RL: CPPRL ist ein im Pytorch C ++-Front-End geschriebenes Verstärkungslerngerüst.
117. 1000+ Pytorch-Toolbelt: Pytorch-Erweiterung für schnelle Entwicklung des F & E-Prototyps und Kaggle-Codesammlung.
118. 1000- Argus-Tensor-Stream: Eine Bibliothek für die Dekodierung von Live-Video-Streams in den Cuda-Speicher. Tensorstream.argus-ai.com
119. 1000- Macarico: Lernen Sie, in Pytorch zu suchen.
120. 1900+ RLPYT: Verstärkungslernen in Pytorch.
121. 1000- https://blue-saison.github.io/pywarm/
122. 1300+ Learn2learn: Pytorch Meta-Learning-Framework. http://learn2learn.net
123. 1000- Turchbeast: Eine Pytorch-Plattform für verteiltes Verstärkungslernen.
124. 1100+ höher: höher ist eine Pytorch-Bibliothek, mit der Benutzer Gradienten höherer Ordnung erhalten können, die Trainingsschleifen und Verluste in einem einzigen Trainingsschritt erstrecken.
125. Null Torchelie: Torchélie ist eine Sammlung einer Reihe von Werkzeugfunktionen, Schichten, Verlusten, Modellen, Trainern usw. für Pytorch. https://torchelie.readthedocs.org/
126. 1000- Crypten: Crypten ist ein in Pytorch geschriebenes Privatsphäre maschinell geschützt, mit dem Forscher und Entwickler Modelle mit verschlüsselten Daten trainieren können. Crypten unterstützt derzeit eine sichere mehrteilige Berechnung als Verschlüsselungsmechanismus.
127. 1000+ CVXPylayers: CVXPylayers ist eine Python -Bibliothek zum Bau von mikroconvexen Optimierungsschichten in Pytorch.
128. 1000+ RepDistiller: Ein Benchmark für den Vergleich der Destillation (CRD) und das neueste Wissen über Destillationsmethoden.
129. 2500+ Kaolin: Eine Pytorch -Bibliothek, die zur Beschleunigung von 3D Deep Learning Research entwickelt wurde.
130. 1000- pysnn: Ein effizientes Framework für das neuronale Netzwerk, das auf Pytorch für die GPU-Beschleunigung basiert.
131. 1000- farkTorch: trainieren und rennen Sie Pytorch-Modelle auf Apache Spark.
132. 3400+ Pytorch-Metric-Learning: Der einfachste Weg, um das metrische Lernen in Ihrer Anwendung zu verwenden. Modular, flexibel und skalierbar. Gebaut mit Pytorch.
133. 1000- Autonomöses Lernbibliothek: Eine Pytorch-Bibliothek zum Aufbau von Lernagenten für tiefe Verstärkung.
134. 1000- Flambe: Ein ML-Rahmen für die Beschleunigung der Forschung und deren Produktionspfade. https://flambe.ai
135. 1900+ Pytorch-Optimizer: Sammlungen moderner Optimierungsalgorithmen für Pytorch, gehören: ACCSGD, Adamod, Diffgrad, Lamm, Radam, Radam, Yogi.
136. 2200+ Pytorch-vae: Eine Sammlung von Variationsautoencodern (VAE) in Pytorch.
137. 16700+ Ray: Ein schnelles und einfaches Framework zum Erstellen und Ausführen verteilter Anwendungen. Ray ist mit Rllib, einer skalierbaren Reformer -Lernbibliothek, und einer skalierbaren Hyperparameter -Tuning -Bibliothek verpackt. Ray.io
138. 1000- pytorch geometrische temporale: eine zeitliche Erweiterungsbibliothek für Pytorch-Geometrie.
139. 1000- Poutyne: Ein kerasähnliches Rahmen für Pytorch, der einen Großteil des Code mit dem Kesselpullover für die Ausbildung neuronaler Netzwerke abwickelt.
140. 1000- Pytorch-Toolbox: Dies ist das Toolbox-Projekt für Pytorch. Ziel, Sie dazu zu bringen, den Pytorch -Code einfacher, lesbar und prägnant zu schreiben.
141. 1000- pytorch-contrib: Es enthält überprüfte Implementierungen von Ideen aus den jüngsten Papieren für maschinelles Lernen.
142. 6200+ EfficienceNet Pytorch: Es enthält eine Op-for-Op-Pytorch-Neuauflagen von EfficientNET sowie vorgebreitete Modelle und Beispiele.
143. 1300+ Pytorch/XLA: Pytorch/XLA ist ein Python -Paket, das den XLA Deep Learning Compiler verwendet, um den Pytorch Deep Learning Framework und die Cloud -TPUs zu verbinden.
144. 1000- WebDataset: WebDataset ist eine Pytorch-Datensatz-Implementierung (iterableDataset), die einen effizienten Zugriff auf Datensätze bietet, die in POSIX-TAR-Archiven gespeichert sind.
145. 1000- VolksDep: VolksDep ist eine Open-Source-Toolbox zum Bereitstellen und Beschleunigen von Pytorch-, ONNX- und Tensorflow-Modellen mit Tensorrt.
146. 1700 Pytorch-Studiogan: Studiogan ist eine Pytorch-Bibliothek, die Implementierungen von repräsentativen allgemeinen Gegnernetzwerken (GANs) für die bedingte/bedingungslose Bildgenerierung bietet. Studiogan möchte einen identischen Spielplatz für moderne Gans anbieten, damit Forscher für maschinelles Lernen eine neue Idee leicht vergleichen und analysieren können.
147. Null TorchDrift: Drifterkennungsbibliothek
148. 1600+ Accelerate: Eine einfache Möglichkeit, Pytorch-Modelle mit Multi-GPU, TPU, gemischter Präzision zu trainieren und zu verwenden.
149. 1000- Blitztransformer: Flexible Schnittstelle für Hochleistungsforschung unter Verwendung von SOTA-Transformatoren, die Pytorch Lightning, Transformers und Hydra nutzen.

Tutorials & Bücher & Beispiele ｜ Tutorials & Bücher & Beispiele

1. 4200+ Practical Pytorch **: In diesem Tutorial werden verschiedene RNN -Modelle erklärt.
2. DeepLearningFornlpinPyTorch: IPython Notebook Deep Learning Tutorial, der Schwerpunkt auf der Verarbeitung natürlicher Sprache enthält.
3. 21300+ Pytorch-Tutorial: Ein Deep Learning-Tutorial für Forscher, bei dem die meisten Modelle weniger als 30 Zeilen von Implementierungscode haben.
4. 1000- Pytorch-Exercises: Pytorch-Übungssammlung.
5. 5200+ Pytorch Tutorials: Verschiedene Pytorch -Tutorials.
6. 16500+ Pytorch -Beispiele: Beispiele für Pytorch -Nutzung, Anwendungsszenarien umfassen Sehvermögen, Text, Verstärkungslernen usw.
7. 1000- Pytorch-Übung: Pytorch-Beispiel.
8. 1000- Pytorch Mini-Tutorials: Pytorch Minimalist Tutorial, adaptiert aus Alec Radfords Theano Tutorial.
9. 1000- Pytorch Textklassifizierung: Pytorch implementiert die Textklassifizierung basierend auf CNN.
10. 1000- Katzen gegen Hunde: Kaggle Contest Hunde gegen Katzen Redux: Kernels Edition Network Fine-Tuning-Beispiel.
11. 1000- ConvNet: Ein vollständiges Trainingsbeispiel für ein tiefes Faltungsnetzwerk in verschiedenen Datensätzen (ImageNet, CIFAR10, CIFAR100, MNIST).
12. 1000- Pytorch-generierte Adversarial-Networks: Ein einfaches Netzwerk der kontroversen Generation (GaN).
13. 1000- Pytorch-Behälter: vereinfachte Fackelbehälter in Pytorch.
14. 1000 -T-Sne in Pytorch: T-Sne-Experiment.
15. 1000- AAE_PYTORCH: Pytorch-Version gegen AutoCoder.
16. 1000- Kind_Pytorch_tutorial: Pytorch Anfänger-Tutorial.
17. 1000- Pytorch-Poetry-General: Char-RNN (Rezidivnetzwerk auf Charakterebene) basierend auf Pytorch.
18. 1000- Pytorch-Unforce: Pytorch implementiert diskrete und kontinuierliche Kontrolle im Openai-Fitnessstudio.
19. 6100+ Pytorch-Tutorial **: Erstellen Sie einfach und schnell Ihr eigenes neuronales Netzwerk. https://morvanzhou.github.io/tutorials/
20. 1000- pytorch-intro: zeigen, wie CNNs und RNNs in Pytorch implementiert werden.
21. 1300+ Pytorch-Klassifizierung: Ein Klassifizierungsrahmen für CIFAR-10/100- und ImageNet-Datensätze.
22. 1000- pytorch_notebooks - Hartmaru: Zufällige Tutorials in Numpy und Pytorch.
23. 1000- pytorch_tutoria-Quick: Pytorch Einführung und Tutorial. Forscher in den Bereichen Computer Vision, Grafik und maschinelles Lernen erfordern grundlegende Kenntnisse der neuronalen Netzwerktheorie und häufig verwendete neuronale Netzwerk -Frameworks.
24. 1000- pytorch_fine_tuning_tutorial: Ein kurzes Tutorial zum Feinabstimmung oder Übertragungslernen in Pytorch.
25. 1000- pytorch_exercises: Pytorch-Übungen.
26. 1000- Verkehrssignalanerkennung: New York University 2018 Computer Vision Fall Course Beispiel.
27. 1000- MSS_PYTORCH: Verwenden Sie kein Nachfilterungsalgorithmus, um die Implementierung von Singen und Sprachtrennung zu erreichen. Demo: js-mim.github.io/mss_pytorch
28. 2600+ Deepnlp-Models-Pytorch Pytorch-Implementierung verschiedener tiefer NLP-Modelle im CS-224N-Kurs. (Stanford Univ: NLP mit tiefem Lernen)
29. 1000- Mila Einführung Tutorials: Verschiedene Tutorials für Mila-Neulinge. (MILA: Canadian Center for Artificial Intelligence Research)
30. 1000- pytorch.rl.Learning: Verwenden Sie Pytorch, um Verstärkungslernen zu lernen.
31. 1000- Minimum-seq2Seq: Minimales SEQ2SEQ-Modell mit Schwerpunkt auf neuronaler maschineller Übersetzung.
32. 1000- Tensorly-Notebooks: Verwenden Sie Python und Tensory, um Tensormethoden zu implementieren. Tensorly.github.io/dev
33. 1000- pytorch_bits: verwandte Beispiele für die Zeitvorhersage.
34. 1000- Überspringen: Pytorch implementiert das Modell des Skip-Thacht Word Vector.
35. 1000- Video-Kapion-Pytorch: Verwenden Sie Pytorch, um Videos Untertitel hinzuzufügen.
36. 1000- Kapsel-Network-Tutorial: Ein einfaches und leicht zu lernendes Kapselnetz-Tutorial.
37. 2100+ Code-of-Learn-Deep-Learning-mit-Pytorch: Code im Buch "Einführung in Deep Learning: Pytorch". item.jd.com/17915495606.html
38. 2300+ RL-Abenteuer: Deep Q Learning Tutorial für Pytorch-Version, einfach, einfach zu lernen und starke Code-Lesbarkeit. Es enthält die Pytorch -Implementierung von DQN/ DDQN/ Priorisierten Replay/ Laut -Netzwerken/ Verteilungswerten/ Regenbogen/ hierarchische RL.
39. 1000- Accelerated_dl_pytorch: Jupyter Day Atlanta II Beschleunigte Deep-Learning-Algorithmen für Besprechungen, einschließlich Pytorch-Tutorials und Konferenzreden.
40. 2500+ RL-Adventure-2: Ein Tutorial zu Pytorch0.4 Version der folgenden: Akteurkritiker / proximaler Politikoptimierung / ACER / DDPG / TWIN Duel DDPG / Soft Actor Critic / Generalized Adversarial Imitation Learning / Hinterhaltungserfahrung Wiederholung.
41. Generatives widersprüchliche Netzwerke (GANs) in 50 Codezeilen (Pytorch): 50 Zeilen erzeugen kontroverse Netzwerke.
42. Eckig-Autoencoder-mit-Pytorch: Pytorch gegen Autoencoder.
43. Transferlernen mit Pytorch: Pytorch Transfer Learning.
44. How-to-Implement-a-Yolo-Object-Detector-in-Pytorch: So implementieren Sie einen YOLO (V3) -Felztetektor mit Pytorch.
45. Pytorch-for-Recommenders-101: Erstellen Sie ein Empfehlungssystem mit Pytorch.
46. 1000- Pytorch-for-Numpy-Benutzer: Pytorch für Numpy-Benutzer.
47. Pytorch Tutorial: Pytorch Chinese Tutorial (Pytorch Chinese Network).
48. 1000- krachking-pytorch: Unterrichten Sie Sie Schritt für Schritt, wie man Pytorch lernt.
49. 5200+ Pytorch-Deep-Learning-Minicourse: Pytorch Deep Learning Micro-Kurse.
50. 1000- Pytorch-Custom-Datenet-Examples: Einige Beispiele für benutzerdefinierte Datensätze für Pytorch.
51. Multiplikativer LSTM für sequenzbasierte Empfehlungen: Multiplikative LSTM für sequenzbasierte Empfehlungen. / Empfohlene Sequenzimplementierung basierend auf LSTM.
52. 1000- DeepLearning.ai-Pytorch: Pytorch-Implementierung des Coursera Deep Learning Course (DeepLearning.ai) Aufgaben.
53. 1000- mnist_pytorch_python_and_capi: Beispiel: Wie man ein MNIST-Netzwerk in Python trainiert und es in C ++ mit Pytorch1.0 ausführt.
54. 1000- TORCH_LIGHT: Tutorials und Beispiele, einschließlich Verstärkungslernen, NLP, CV. Neuronale Netzwerkmodelle wie Logistic, CNN, RNN, LSTM werden durch verschiedene Codezeilen implementiert, und einige erweiterte Beispiele werden von komplexen Modellen implementiert.
55. 1000- Porttrain-Gan: Codierung (Dekodierung wurde noch nicht implementiert) Art-DCGAN erzeugte Porträtölmalerei.
56. 1000- MRI-Analyse-Pytorch: Die Analyse der Kernmagnetresonanz (MRT) wurde unter Verwendung von Pytorch und MedicalTorch durchgeführt.
57. 1000- CIFAR10-FAST: Vollständige Schulung des ResNet-Modells im CIFAR10-Datensatz innerhalb von 79 Sekunden und erreicht eine Testgenauigkeit von 94%. Für verwandte Inhalte siehe Blog -Serie.
58. Intro to Deep Learning With Pytorch: Ein kostenloser Kurs, der gemeinsam von Udacity und Facebook gestartet wurde, einschließlich einer Einführung in Pytorch und einem Interview mit Soumith Chintala, einem der Autoren von Pytorch.
59. 2900+ Pytorch-Sentiment-Analyse: Pytorch- und Torchtext-Semantikanalyse-Tutorial.
60. 11800+ Pytorch-Image-Modelle: Pytorch-Bildmodell, Skript und Trainingsgewichte-(SE) resnet/resnext, dpn, effizientesNet, mobilenet-v3/v2/v1, mnasnet, Single-PAD-NAS, FBNET usw.
61. 1000- Cifar-Zoo: Pytorch-Implementierung mehrerer CNN-Architekturen basierend auf CIFAR.
62. 3700+ D2L-Pytorch: Dieses Projekt versucht, das Buch "Dive in Deep Learning" (www.d2l.ai) zu kopieren und den MXNET-Code in die Pytorch-Version anzupassen.
63. 1000- thinking-in-tensors-writing-in-pytorch: 张量思维，PyTorch实践(深度学习入门)。
64. 1000- NER-BERT-pytorch: 命名试题识别的PyTorch解决方案，使用了Google AI的预训练BERT模型。
65. 1000- pytorch-sync-batchnorm-example: 如何在PyTorch 中使用交叉复制（Cross Replica）/同步批标准化（Synchronized Batchnorm）。
66. 1000- SentimentAnalysis: 情绪分析神经网络，在斯坦福情绪树库上用微调BERT训练得到。
67. 1100+ pytorch-cpp: 为深度学习研究者打造，用C++ 实现PyTorch 教程内容（基于pytorch-tutorial 的Python教程）。
68. Deep Learning with PyTorch: Zero to GANs: Deep Learning with PyTorch (video)系列在线课程的相关代码。
69. Deep Learning with PyTorch: Deep Learning with PyTorch teaches you how to implement deep learning algorithms with Python and PyTorch, the book includes a case study: building an algorithm capable of detecting malignant lung tumors using CT scans.
70. Serverless Machine Learning in Action with PyTorch and AWS: Serverless Machine Learning in Action is a guide to bringing your experimental PyTorch machine learning code to production using serverless capabilities from major cloud providers like AWS, Azure, or GCP.
71. 3200+ LabML NN: A collection of PyTorch implementations of neural networks architectures and algorithms with side-by-side notes.

Paper implementations｜论文实现

1. 1000- google_evolution: 实现了Large-scale evolution of image classifiers 一文的结果网络之一。
2. 1000- pyscatwave: 基于CuPy/PyTorch的快速散射变换，Scaling the Scattering Transform: Deep Hybrid Networks
3. 1000- scalingscattering: 该仓库包含Scaling The Scattering Transform : Deep Hybrid Networks 一文中的实验。
4. 1000- deep-auto-punctuation: 通过逐字符学习实现自动添加标点。
5. 1100+ Realtime_Multi-Person_Pose_Estimation: 基于PyTorch的多人人体姿态估计，原始代码。
6. 1000- PyTorch-value-iteration-networks: PyTorch实现价值迭代网络（Value Iteration Networks）（NIPS2016最佳论文奖）。
7. 1000- pytorch_Highway: PyTorch实现高速公路网络（Highway Networks）。
8. 1000- pytorch_NEG_loss: PyTorch实现负采样损失（Negative Sampling Loss）。
9. 1000- pytorch_RVAE: 用PyTorch实现的产生序列数据的递归变分自动编码器，相关论文：Generating Sentences from a Continuous Space，Character-Aware Neural Language Models。
10. 1000- pytorch_TDNN: 用PyTorch实现时间延迟神经网络（Time Delayed NN）。
11. 1000- eve.pytorch: 一个Eve优化器的实现，相关论文：Imploving Stochastic Gradient Descent with Feedback。
12. 1000- e2e-model-learning: 随机优化中的基于任务的端到端模型，https://arxiv.org/abs/1703.04529 。
13. 1000- pix2pix-pytorch: PyTorch实现“基于条件对抗网络的图像到图像翻译”。 论文：Image-to-Image Translation Using Conditional Adversarial Networks。
14. 4300+ Single Shot MultiBox Detector: 单发多盒探测器，论文：Single Shot MultiBox Detector。
15. 1000- DiscoGAN: 学习利用生成性对抗网络发现跨域关系。论文：Learning to Discover Cross-Domain Relations with Generative Adversarial Networks。
16. 1000- official DiscoGAN implementation: 官方实现“学习利用生成性对抗网络发现跨域关系”。 论文：Learning to Discover Cross-Domain Relations with Generative Adversarial Networks。
17. 1000- pytorch-es: 进化策略。论文：Evolution Strategies as a Scalable Alternative to Reinforcement Learning .
18. 1000- piwise: 使用PyTorch对VOC2012数据集进行像素切割。
19. 1000- pytorch-dqn: 深度Q学习网络。
20. 1000+ neuraltalk2-pytorch: PyTorch图像字幕代码库(在分支“with_finetune”中有可微调CNN)。
21. 1000- vnet.pytorch: PyTorch实现V-Net：全卷积神经网络在体医学图像分割中的应用。 http://mattmacy.io/vnet.pytorch/
22. 1400+ pytorch-fcn: PyTorch 实现完全卷积网络。
23. 1000- WideResNets: PyTorch实现WideResNets。该实现比官方Torch实现花费更少的GPU内存。实现: https://github.com/szagoruyko/wide-residual-networks .
24. 1000- pytorch_highway_networks: PyTorch实现高速公路网络。
25. 1000- pytorch-NeuCom: Pytorch实现DeepMind的可微神经计算机论文。
26. 1000- captionGen: 使用PyTorch为图像生成标注。
27. 1100+ AnimeGAN: 生成对抗网络的PyTorch简单实现，关注于动漫脸谱绘画。
28. 1000- Cnn-text classification: PyTorch 实现Kim的基于卷积神经网络的句子分类论文。
29. 1700+ deepspeech2: 使用Baidu Warp-CTC 实现DeepSpeech2。创造一个基于DeepSpeech2 架构的网络，用CTC 激活函数训练。
30. 1000- seq2seq: 包含PyTorch中的Seq2Seq模型。
31. 1000- Asynchronous Advantage Actor-Critic in PyTorch: PyTorch实现A3C(Asynchronous Advantage Actor-Critic)，论文：Asynchronous Methods for Deep Reinforcement Learning。由于PyTorch 可以轻松地在多进程内控制共享内存，我们可以轻易实现A3C这样的异步算法。
32. 1000- densenet: This is a PyTorch 实现DenseNet-BC 架构，相关论文Densely Connected Convolutional Networks。该实现的CIFAR-10+ 100层错误率为4.77 增长率为12。官方实现和许多第三方库的链接参见liuzhuang13/DenseNet。
33. 1000- nninit: PyTorch神经网络模块的权值初始化方案，这是nninit 的流行端口。
34. 1500+ faster rcnn: PyTorch 实现Faster RCNN。该项目主要基于py-faster-rcnn 和TFFRCNN。更多关于R-CNN 的细节请参考论文Faster R-CNN：Towards Real-Time Object Detection with Region Proposal Network。
35. 1000- doomnet: PyTorch版Doom-net，实现了ViZDoom环境下的RL模型。
36. 1000- flownet: 通过Dosovitskiy等完成FlowNet的Pytorch实现。
37. 1000- sqeezenet: 在CIFAR10数据集上用PyTorch实现Squeezenet模型，论文。
38. 2800+ WassersteinGAN: PyTorch实现WassersteinGAN。
39. 1000- optnet: 该仓库包含PyTorch源码，重现了论文OptNet: Differentiable Optimization as a Layer in Neural Networks中的实验。
40. 1000- qp solver: PyTorch的一个快速和可微分的QP求解器。https://locuslab.github.io/qpth/
41. 1000- Continuous Deep Q-Learning with Model-based Acceleration : 基于模型加速的连续深度Q学习的再实现。
42. 1000- Learning to learn by gradient descent by gradient descent: PyTorch实现Learning to learn by gradient descent by gradient descent。
43. 1000- fast-neural-style: PyTorch实现fast-neural-style，论文：Perceptual Losses for Real-Time Style Transfer and Super-Resolution。
44. 1000- PytorchNeuralStyleTransfer: Pytorch中的神经风格转换。
45. 1000- Fast Neural Style for Image Style Transform by Pytorch: 使用快速神经风格进行图像风格转换。
46. 1000- neural style transfer: 通过神经风格算法介绍PyTorch，Neural-Style algorithm。
47. 1000- VIN_PyTorch_Visdom: PyTorch实现价值迭代网络(VIN):干净、简单、模块化。利用Visdom进行可视化。
48. 1400+ YOLO2: PyTorch中的YOLOv2。
49. 1200+ attention-transfer: 通过注意转移改善卷积网络，ICLR2017会议论文。
50. 1000- SVHNClassifier: PyTorch实现基于深度卷积神经网络的街景图像多位数识别。
51. 1000- pytorch-deform-conv: PyTorch实现可变形卷积(Deformable Convolution)。
52. 1000- BEGAN-pytorch: PyTorch实现边界均衡生成对抗网络（BEGAN）: Boundary Equilibrium Generative Adversarial Networks.
53. 1000- treelstm.pytorch: PyTorch实现树形结构LSTM。
54. 1000- AGE: 论文代码，原文：对抗生成编码器网络（Adversarial Generator-Encoder Networks）。
55. 1000- ResNeXt.pytorch: 再现ResNet-V3 (深度神经网络的聚集残差变换)。
56. 1000- pytorch-rl: 基于PyTorch和Visdom的深度强化学习。
57. 1000- Deep-Leafsnap: 对比传统的计算机视觉方法，使用深度神经网络的LeafSnap能有效提高测试准确率。
58. 15400+ pytorch-CycleGAN-and-pix2pix: PyTorch 实现图像风格迁移。
59. 1000- A3C-PyTorch:PyTorch 实现A3C(Advantage async actor-critic)算法。
60. 1000- pytorch-value-iteration-networks: PyTorch实现价值迭代网络Value Iteration Networks (NIPS 2016 最佳论文)。
61. 1000- PyTorch-Style-Transfer: PyTorch实现实时转换多风格生成网络。
62. 1000- pytorch-deeplab-resnet: PyTorch实现DeepLab resnet v2。
63. 1100+ pointnet.pytorch: PyTorch实现"PointNet: 基于深度学习的3D点分类和分割模型" https://arxiv.org/abs/1612.00593
64. 2100+ pytorch-playground: 包含常见的预训练模型和数据集(MNIST, SVHN, CIFAR10, CIFAR100, STL10, AlexNet, VGG16, VGG19, ResNet, Inception, SqueezeNet)**.
65. 1000- pytorch-dnc: PyTorch/Visdom实现的神经机器翻译(NTM)&可微神经计算机(DNC)。
66. 1000- pytorch_image_classifier: 使用PyTorch的最小但实用的图像分类器管道，在ResNet18上进行细化，在自己的小型数据集上获得99%的准确率。
67. 1000- mnist-svhn-transfer: PyTorch实现CycleGAN和SGAN。
68. null pytorch-yolo2: pytorch-yolo2
69. 1000- dni: PyTorch实现使用合成梯度的解耦神经接口，论文：Decoupled Neural Interfaces using Synthetic Gradients。
70. 1200+ wgan-gp: PyTorch实现论文"Improved Training of Wasserstein GANs".
71. 1000- pytorch-seq2seq-intent-parsing: PyTorch使用seq2seq和注意力模型进行意图分析和空位填充。
72. 1000- pyTorch_NCE: 复现噪音对比估计算法，论文：Noise-contrastive estimation: A new estimation principle for unnormalized statistical models。
73. 1000- molencoder: 分子自动编码器。
74. 1000- GAN-weight-norm: 论文代码，"生成对抗网络中批量和权重归一化的影响"
75. 1000- lgamma: 实现polygamma、lgamma和beta函数。
76. 1000- bigBatch: 论文代码，论文：“训练越久，泛化越好：关闭神经网络大批量训练的泛化间隙”。
77. 1000- rl_a3c_pytorch: 针对Atari 2600 的强化学习，实现了A3C LSTM 。
78. 1000- pytorch-retraining: PyTorch动物园模型转移学习(torchvision)。
79. 1000- nmp_qc: 用于计算机视觉的神经消息传递。
80. 2900+ grad-cam: PyTorch 实现Grad-CAM。
81. null pytorch-trpo: PyTorch s实现置信域策略优化（Trust Region Policy Optimization (TRPO)）。
82. 1000- pytorch-explain-black-box: PyTorch通过有意义扰动实现黑箱的可解释性解释，论文。
83. 1000- vae_vpflows: 凸组合线性IAF与Householder流https://jmtomczak.github.io/deebmed.html 。
84. 1000- relational-networks: Pytorch实现"用一个简单的神经网络模块来做关系推理"(关系网络)。
85. 1000- vqa.pytorch: 视觉问答。
86. 1300+ end-to-end-negotiator: 成交还是不成交？谈判对话的端到端学习。
87. 1000- odin-pytorch: 神经网络失配实例的原则性检测。
88. 1000- FreezeOut: 一种通过逐步冻结层加速神经网络训练的简单技术。
89. 1000- ARAE: 论文代码，"对抗性正则化的自动编码器, ARAE"。
90. 1000- forward-thinking-pytorch: PyTorch实现"前向思考：一次一层地建立和训练神经网络"。
91. 1000- context_encoder_pytorch: PyTorch实现上下文编码器(Context Encoders)，可用于图像修复。
92. 5500+ attention-is-all-you-need-pytorch: PyTorch在"Attention is All You Need"中实现转换模型，https://github.com/thnkim/OpenFacePytorch。
93. 1000- OpenFacePytorch: 使用OpenFace's nn4.small2.v1.t7 模型的PyTorch模块。
94. 1000- neural-combinatorial-rl-pytorch: PyTorch 实现"通过强化学习实现神经组合优化"。
95. null pytorch-nec: PyTorch实现神经情景控制(NEC，Neural Episodic Control)。
96. 1000- seq2seq.pytorch: 使用PyTorch进行Sequence-to-Sequence学习。
97. 1000- Pytorch-Sketch-RNN: PyTorch实现“A Neural Representation of Sketch Drawings”。
98. 1000- pytorch-pruning: PyTorch实现[1611.06440] 用于资源有效推理的剪枝卷积神经网络
99. 1000- DrQA: PyTorch实现自动阅读维基百科并回答开放领域问题。
100. 1000- YellowFin_Pytorch: 基于动量梯度下降（momentum SGD）的自动调优优化器，无需手动指定学习速率和动量。
101. 1000- samplernn-pytorch: PyTorch实现SampleRNN: 一种无条件端到端神经音频生成模型。
102. 1000- AEGeAN: 基于AE稳定的更深的深度卷积生成对抗网络(DCGAN, Deep Convolution Generative Adversarial Networks)。
103. 1000- /pytorch-SRResNet: PyTorch实现“基于生成对抗网络的实感单幅图像超分辨率”。
104. 1000- vsepp: 论文代码，"VSE++:使用难分样本(Hard Negative)改善视觉语义联合嵌入"。
105. 1000- Pytorch-DPPO: Pytorch实现分布式近端策略优化(Distributed Proximal Policy Optimization)。
106. 1700+ UNIT: 无监督的图像到图像转换网络，论文。
107. 1300+ efficient_densenet_pytorch: DenseNets的内存高效实现。
108. 1000- tsn-pytorch: PyTorch实现时间分割网络(TSN, Temporal Segment Networks)。
109. 1000- SMASH: SMASH，一种高效地探索神经体系结构的实验技术。
110. 1000- pytorch-retinanet: RetinaNet。
111. 1000- biogans: 实现ICCV 2017 论文"利用GANs进行生物图像合成"。
112. null Semantic Image Synthesis via Adversarial Learning: PyTorch 实现ICCV 2017 论文"基于对抗学习的语义图像合成"。
113. 1000- fmpytorch: PyTorch在Cython中实现分析机（Factorization Machine）模块。
114. 1000- ORN: PyTorch 实现CVPR 2017 论文"Oriented Response Networks"。
115. 1000- pytorch-maml: PyTorch实现MAML（Model-Agnostic Meta-Learning，与模型无关的元学习）。
116. 2200+ pytorch-generative-model-collections: PyTorch中的各种生成模型集合。
117. 1000- vqa-winner-cvprw-2017: Pytorch 实现CVPR'17 VQA( Visual Question Answer，视觉问答) 挑战冠军。
118. 1000- tacotron_pytorch: PyTorch 实现Tacotron 语音合成模型。
119. 1000- pspnet-pytorch: PyTorch 实现PSPNet 语义分割网络。
120. 1000- LM-LSTM-CRF: 《Empower Sequence Labeling with Task-Aware Language Model》 http://arxiv.org/abs/1709.04109
121. 5000+ face-alignment: 使用PyTorch构建2D和3D人脸对齐库。
122. 1000- DepthNet: PyTorch 在Still Box数据集上训练DepthNet。
123. 1600+ EDSR-PyTorch: 论文《Enhanced Deep Residual Networks for Single Image Super-Resolution》的PyTorch实现版本。 (CVPRW 2017)
124. 1000- e2c-pytorch: E2C，Embed to Control 实现。
125. 2900+ 3D-ResNets-PyTorch: 基于3D残差网络的动作识别。
126. 1000- bandit-nmt: EMNLP 2017 论文《Reinforcement Learning for Bandit Neural Machine Translation with Simulated Human Feedback》的代码,，改论文在神经编解码模型的基础上实现了A2C算法，并在模拟噪声激励下对组合进行了基准测试。
127. 2400+ pytorch-a2c-ppo-acktr: PyTorch 实现Advantage Actor Critic (A2C), Proximal Policy Optimization (PPO，近端策略优化) 和可扩展信赖域（Trust Region）方法，这些算法使用Kronecker因子近似（ACKTR）和生成对抗模仿学习（GAIL）实现，可用于深度强化学习。
128. 1000- zalando-pytorch: Fashion-MNIST数据集上的各种实验。
129. 1000- sphereface_pytorch: PyTorch实现SphereFace，人脸识别相关，https://arxiv.org/abs/1704.08063 。
130. 1000- Categorical DQN: PyTorch 版Categorical DQN，该模型来自论文《A Distributional Perspective on Reinforcement Learning》。
131. 1000- pytorch-ntm: 神经网络图灵机。
132. null mask_rcnn_pytorch: Mask RCNN in PyTorch.
133. 1000- graph_convnets_pytorch: PyTorch 实现图卷积神经网络，NIPS'16。
134. 1700+ pytorch-faster-rcnn: PyTorch实现faster RCNN 检测框架，基于Xinlei Chen 的tf-faster-rcnn，已不再维护。
135. 1000- torchMoji: A pyTorch implementation of the DeepMoji model: state-of-the-art deep learning model for analyzing sentiment, emotion, sarcasm etc.
136. 3900+ semantic-segmentation-pytorch: 在MIT ADE20K dataset数据集上实现语义分割/场景解析。
137. 1200+ pytorch-qrnn: PyTorch implementation of the Quasi-Recurrent Neural Network - up to 16 times faster than NVIDIA's cuDNN LSTM
138. 1000- pytorch-sgns: Skipgram Negative Sampling in PyTorch.
139. 1000- SfmLearner-Pytorch : Pytorch version of SfmLearner from Tinghui Zhou et al.
140. 1000- deformable-convolution-pytorch: PyTorch实现可变形卷积。
141. 1000- skip-gram-pytorch: A complete pytorch implementation of skipgram model (with subsampling and negative sampling). The embedding result is tested with Spearman's rank correlation.
142. 1000- stackGAN-v2: Pytorch implementation for reproducing StackGAN_v2 results in the paper StackGAN++: Realistic Image Synthesis with Stacked Generative Adversarial Networks by Han Zhang*, Tao Xu*, Hongsheng Li, Shaoting Zhang, Xiaogang Wang, Xiaolei Huang, Dimitris Metaxas.
143. 1000- self-critical.pytorch: 非官方，PyTorch实现基于self-critical 序列训练的图像标注。
144. 3600+ pygcn: 图卷积网络。
145. 1000- dnc: 可微神经计算机、稀疏存取存储器与稀疏可微神经计算机。
146. 1000- prog_gans_pytorch_inference: PyTorch inference for "Progressive Growing of GANs" with CelebA snapshot.
147. 1000- pytorch-capsule: Pytorch implementation of Hinton's Dynamic Routing Between Capsules.
148. 1000- PyramidNet-PyTorch: A PyTorch implementation for PyramidNets (Deep Pyramidal Residual Networks, arxiv.org/abs/1610.02915)
149. 1000- radio-transformer-networks: A PyTorch implementation of Radio Transformer Networks from the paper "An Introduction to Deep Learning for the Physical Layer". arxiv.org/abs/1702.00832
150. 1000- honk: PyTorch reimplementation of Google's TensorFlow CNNs for keyword spotting.
151. 1000- DeepCORAL: A PyTorch implementation of 'Deep CORAL: Correlation Alignment for Deep Domain Adaptation.', ECCV 2016
152. 1000- pytorch-pose: PyTorch工具包，用于2D人体姿态估计。
153. 1000- lang-emerge-parlai: Implementation of EMNLP 2017 Paper "Natural Language Does Not Emerge 'Naturally' in Multi-Agent Dialog" using PyTorch and ParlAI
154. 1200+ Rainbow: Rainbow: Combining Improvements in Deep Reinforcement Learning
155. 1000- pytorch_compact_bilinear_pooling v1: This repository has a pure Python implementation of Compact Bilinear Pooling and Count Sketch for PyTorch.
156. 1000- CompactBilinearPooling-Pytorch v2: (Yang Gao, et al.) A Pytorch Implementation for Compact Bilinear Pooling.
157. 1000- FewShotLearning: Pytorch implementation of the paper "Optimization as a Model for Few-Shot Learning"
158. 1000- meProp: Codes for "meProp: Sparsified Back Propagation for Accelerated Deep Learning with Reduced Overfitting".
159. 1000- SFD_pytorch: 单镜头尺度不变人脸检测器。
160. 1000- GradientEpisodicMemory: Continuum Learning with GEM: Gradient Episodic Memory. https://arxiv.org/abs/1706.08840
161. 1900+ DeblurGAN: Pytorch implementation of the paper DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks.
162. 4800+ StarGAN: StarGAN: 多领域图像转换GAN 网络，https://arxiv.org/abs/1711.09020 。
163. 1000- CapsNet-pytorch: PyTorch 实现NIPS 2017 论文“胶囊间的动态路由”。
164. 1000- CondenseNet: CondenseNet: 面向移动设备的轻量级CNN。
165. 6700+ deep-image-prior: 基于神经网络的图像修复，无学习过程。
166. 1100+ deep-head-pose: 使用PyTorch进行深度学习头部姿势估计。
167. 1000- Random-Erasing: 论文代码，论文："随机擦除数据增强"。
168. 1000- FaderNetworks: Fader Networks: 通过滑动属性重构图像- NIPS 2017，https://arxiv.org/pdf/1706.00409.pdf 。
169. 2300+ FlowNet 2.0: FlowNet 2.0: 深度网络中光流估计的演化。
170. 5300+ pix2pixHD: 利用条件GANs 合成和处理HD 高清图像的PyTorch 实现，https://arxiv.org/pdf/1711.11585.pdf。
171. 1000- pytorch-smoothgrad: SmoothGrad通过增加噪声来去除噪声。
172. 1000- RetinaNet: RetinaNe实现。
173. 6300+ faster-rcnn.pytorch: This project is a faster faster R-CNN implementation, aimed to accelerating the training of faster R-CNN object detection models.
174. 1000- mixup_pytorch: A PyTorch implementation of the paper Mixup: Beyond Empirical Risk Minimization in PyTorch.
175. 1100+ inplace_abn: In-Place Activated BatchNorm for Memory-Optimized Training of DNNs
176. 1000- pytorch-pose-hg-3d: PyTorch implementation for 3D human pose estimation
177. 1000- nmn-pytorch: Neural Module Network for VQA in Pytorch.
178. 1000- bytenet: Pytorch implementation of bytenet from "Neural Machine Translation in Linear Time" paper
179. 1000- bottom-up-attention-vqa: vqa, bottom-up-attention, pytorch
180. 1000- yolo2-pytorch: The YOLOv2 is one of the most popular one-stage object detector. This project adopts PyTorch as the developing framework to increase productivity, and utilize ONNX to convert models into Caffe 2 to benifit engineering deployment.
181. 1000- reseg-pytorch: PyTorch 实现ReSeg。 (https://arxiv.org/pdf/1511.07053.pdf)
182. 1000- binary-stochastic-neurons: Binary Stochastic Neurons in PyTorch.
183. 1000- pytorch-pose-estimation: PyTorch Implementation of Realtime Multi-Person Pose Estimation project.
184. 1000- interaction_network_pytorch: Pytorch Implementation of Interaction Networks for Learning about Objects, Relations and Physics.
185. 1000- NoisyNaturalGradient: Pytorch Implementation of paper "Noisy Natural Gradient as Variational Inference".
186. 1000- ewc.pytorch: An implementation of Elastic Weight Consolidation (EWC), proposed in James Kirkpatrick et al. Overcoming catastrophic forgetting in neural networks 2016(10.1073/pnas.1611835114).
187. 1000- pytorch-zssr: PyTorch implementation of 1712.06087 "Zero-Shot" Super-Resolution using Deep Internal Learning
188. 1000- deep_image_prior: 基于未训练神经网络的图像重建算法实现。算法：Deep Image Prior。
189. 1000- pytorch-transformer: PyTorch实现论文Attention Is All You Need。
190. 1000- DeepRL-Grounding: PyTorch实现AAAI-18论文Gated-Attention Architectures for Task-Oriented Language Grounding。
191. 1000- deep-forecast-pytorch: 使用LSTMs进行风速预测，论文：Deep Forecast: Deep Learning-based Spatio-Temporal Forecasting。
192. 1000- cat-net: 正则外观变换（Canonical Appearance Transformations）
193. 1000- minimal_glo: Minimal PyTorch implementation of Generative Latent Optimization from the paper "Optimizing the Latent Space of Generative Networks"
194. 1000- LearningToCompare-Pytorch: Pytorch Implementation for Paper: Learning to Compare: Relation Network for Few-Shot Learning.
195. 1400+ poincare-embeddings: PyTorch implementation of the NIPS-17 paper "Poincaré Embeddings for Learning Hierarchical Representations".
196. null pytorch-trpo(Hessian-vector product version): This is a PyTorch implementation of "Trust Region Policy Optimization (TRPO)" with exact Hessian-vector product instead of finite differences approximation.
197. 1000- ggnn.pytorch: A PyTorch Implementation of Gated Graph Sequence Neural Networks (GGNN).
198. 1000- visual-interaction-networks-pytorch: This's an implementation of deepmind Visual Interaction Networks paper using pytorch
199. 1000- adversarial-patch: PyTorch实现对抗补丁。
200. 1000- Prototypical-Networks-for-Few-shot-Learning-PyTorch: Implementation of Prototypical Networks for Few Shot Learning (arxiv.org/abs/1703.05175) in Pytorch
201. 1000- Visual-Feature-Attribution-Using-Wasserstein-GANs-Pytorch: Implementation of Visual Feature Attribution using Wasserstein GANs (arxiv.org/abs/1711.08998) in PyTorch.
202. 1000- PhotographicImageSynthesiswithCascadedRefinementNetworks-Pytorch: 用级联优化网络生成照片级图像，https://arxiv.org/abs/1707.09405 。
203. 2400+ ENAS-pytorch: PyTorch实现"基于参数共享的高效神经网络结构搜索"。
204. 1000- Neural-IMage-Assessment: 神经图片评估，https://arxiv.org/abs/1709.05424 。
205. 1000- proxprop: 近端回传(Proximal Backpropagation) - 隐式梯度代替显式梯度的神经网络训练算法。
206. 10500+ FastPhotoStyle: 照片级逼真的图像风格化的一个封闭解。
207. 1000- Deep-Image-Analogy-PyTorch: 基于PyTorch的深度图像模拟的Python实现。
208. 2700+ Person-reID_pytorch: 行人再识别Person-reID的PyTorch实现。
209. 1000- pt-dilate-rnn: 空洞递归神经网络（Dilated RNNs）。
210. 1000- pytorch-i-revnet: Pytorch实现i-RevNets。
211. 1000- OrthNet: TensorFlow、PyTorch和Numpy层生成正交多项式。
212. 1000- DRRN-pytorch: "超分辨率的深递归残差网络(DRRN)", CVPR 2017
213. 1000- shampoo.pytorch: Shampoo算法实现。
214. 1000- Neural-IMage-Assessment 2: 神经图片评估，https://arxiv.org/abs/1709.05424 。
215. 2900+ TCN: Sequence modeling benchmarks and temporal convolutional networks locuslab/TCN
216. 1000- DCC: This repository contains the source code and data for reproducing results of Deep Continuous Clustering paper.
217. 1000- packnet: Code for PackNet: Adding Multiple Tasks to a Single Network by Iterative Pruning arxiv.org/abs/1711.05769
218. 1000- PyTorch-progressive_growing_of_gans: PyTorch implementation of Progressive Growing of GANs for Improved Quality, Stability, and Variation.
219. 1000- nonauto-nmt: PyTorch Implementation of "Non-Autoregressive Neural Machine Translation"
220. 9800+ PyTorch-GAN: PyTorch implementations of Generative Adversarial Networks.
221. 1000- PyTorchWavelets: PyTorch implementation of the wavelet analysis found in Torrence and Compo (1998)
222. 1000- pytorch-made: MADE (Masked Autoencoder Density Estimation) implementation in PyTorch
223. 1000- VRNN: Pytorch implementation of the Variational RNN (VRNN), from A Recurrent Latent Variable Model for Sequential Data.
224. 1000- flow: Pytorch implementation of ICLR 2018 paper Deep Learning for Physical Processes: Integrating Prior Scientific Knowledge.
225. 1600+ deepvoice3_pytorch: PyTorch实现基于卷积神经网络的语音合成模型。
226. 1000- psmm: imlementation of the the Pointer Sentinel Mixture Model, as described in the paper by Stephen Merity et al.
227. 3000+ tacotron2: Tacotron 2 - PyTorch implementation with faster-than-realtime inference.
228. 1000- AccSGD: Implements pytorch code for the Accelerated SGD algorithm.
229. 1000- QANet-pytorch: an implementation of QANet with PyTorch (EM/F1 = 70.5/77.2 after 20 epoches for about 20 hours on one 1080Ti card.)
230. 1000- ConvE: Convolutional 2D Knowledge Graph Embeddings
231. 1000- Structured-Self-Attention: Implementation for the paper A Structured Self-Attentive Sentence Embedding, which is published in ICLR 2017: arxiv.org/abs/1703.03130 .
232. 1000- graphsage-simple: Simple reference implementation of GraphSAGE.
233. 2800+ Detectron.pytorch: A pytorch implementation of Detectron. Both training from scratch and inferring directly from pretrained Detectron weights are available.
234. 1000- R2Plus1D-PyTorch: PyTorch implementation of the R2Plus1D convolution based ResNet architecture described in the paper "A Closer Look at Spatiotemporal Convolutions for Action Recognition"
235. 1000- StackNN: A PyTorch implementation of differentiable stacks for use in neural networks.
236. 1000- translagent: Code for Emergent Translation in Multi-Agent Communication.
237. 1000- ban-vqa: Bilinear attention networks for visual question answering.
238. 1200+ pytorch-openai-transformer-lm: This is a PyTorch implementation of the TensorFlow code provided with OpenAI's paper "Improving Language Understanding by Generative Pre-Training" by Alec Radford, Karthik Narasimhan, Tim Salimans and Ilya Sutskever.
239. 1000- T2F: 使用深度学习进行Text-to-Face生成。该项目结合了StackGAN和ProGAN，这两个模型可以基于文字描述合成人脸。
240. 1300+ pytorch - fid: A Port of Fréchet Inception Distance (FID score) to PyTorch
241. 1000- vae_vpflows:Code in PyTorch for the convex combination linear IAF and the Householder Flow, JM Tomczak & M. Welling jmtomczak.github.io/deebmed.html
242. 1000- CoordConv-pytorch: Pytorch implementation of CoordConv introduced in 'An intriguing failing of convolutional neural networks and the CoordConv solution' paper. (arxiv.org/pdf/1807.03247.pdf)
243. 1000- SDPoint: Implementation of "Stochastic Downsampling for Cost-Adjustable Inference and Improved Regularization in Convolutional Networks", published in CVPR 2018.
244. 1000- SRDenseNet-pytorch: 极深网络，SRDenseNet-pytorch，论文：基于密集跳跃连接的图像超分辨率（ICCV_2017）。
245. 1000- GAN_stability: Code for paper "Which Training Methods for GANs do actually Converge? (ICML 2018)"
246. 1000- Mask-RCNN: A PyTorch implementation of the architecture of Mask RCNN, serves as an introduction to working with PyTorch
247. 1000- pytorch-coviar: Compressed Video Action Recognition
248. 1000- PNASNet.pytorch: PyTorch implementation of PNASNet-5 on ImageNet.
249. 1000- NALU-pytorch: Basic pytorch implementation of NAC/NALU from Neural Arithmetic Logic Units arxiv.org/pdf/1808.00508.pdf
250. 1000- LOLA_DiCE: Pytorch 使用DiCE实现LOLA。
251. 1000- generative-query-network-pytorch: Generative Query Network (GQN) in PyTorch as described in "Neural Scene Representation and Rendering"
252. 1000- pytorch_hmax: 在PyTorch中实现HMAX(Hierarchical Model and X)视觉模型。
253. 1000- FCN-pytorch-easiest: trying to be the most easiest and just get-to-use pytorch implementation of FCN (Fully Convolotional Networks)
254. 1000- transducer: A Fast Sequence Transducer Implementation with PyTorch Bindings.
255. 1000- AVO-pytorch: Implementation of Adversarial Variational Optimization in PyTorch.
256. 1000- HCN-pytorch: A pytorch reimplementation of { Co-occurrence Feature Learning from Skeleton Data for Action Recognition and Detection with Hierarchical Aggregation }.
257. 1000- binary-wide-resnet: PyTorch implementation of Wide Residual Networks with 1-bit weights by McDonnel (ICLR 2018)
258. 1000- piggyback: Code for Piggyback: Adapting a Single Network to Multiple Tasks by Learning to Mask Weights arxiv.org/abs/1801.06519
259. 7700+ vid2vid: Pytorch implementation of our method for high-resolution (eg 2048x1024) photorealistic video-to-video translation.
260. 1000- poisson-convolution-sum: Implements an infinite sum of poisson-weighted convolutions
261. 1000- tbd-nets: PyTorch implementation of "Transparency by Design: Closing the Gap Between Performance and Interpretability in Visual Reasoning" arxiv.org/abs/1803.05268
262. 1000- attn2d: Pervasive Attention: 2D Convolutional Networks for Sequence-to-Sequence Prediction
263. 7500+ yolov3: YOLOv3: 训练和推断，https://www.ultralytics.com 。
264. 1000- deep-dream-in-pytorch: Pytorch implementation of the DeepDream computer vision algorithm.
265. 1000- pytorch-flows: PyTorch implementations of algorithms for density estimation
266. 1000- quantile-regression-dqn-pytorch: Quantile Regression DQN a Minimal Working Example
267. 1000- relational-rnn-pytorch: An implementation of DeepMind's Relational Recurrent Neural Networks in PyTorch.
268. 1000- DEXTR-PyTorch: 深度极端切割，http://www.vision.ee.ethz.ch/~cvlsegmentation/dextr 。
269. 1000- PyTorch_GBW_LM: PyTorch Language Model for Google Billion Word Dataset.
270. 1000- Pytorch-NCE: The Noise Contrastive Estimation for softmax output written in Pytorch
271. 1000- generative-models: Annotated, understandable, and visually interpretable PyTorch implementations of: VAE, BIRVAE, NSGAN, MMGAN, WGAN, WGANGP, LSGAN, DRAGAN, BEGAN, RaGAN, InfoGAN, fGAN, FisherGAN.
272. 1000- convnet-aig: PyTorch implementation for Convolutional Networks with Adaptive Inference Graphs.
273. 1000- integrated-gradient-pytorch: This is the pytorch implementation of the paper - Axiomatic Attribution for Deep Networks.
274. 1000- MalConv-Pytorch: Pytorch implementation of MalConv.
275. 1000- trellisnet: Trellis Networks for Sequence Modeling
276. 1000- Learning to Communicate with Deep Multi-Agent Reinforcement Learning: pytorch implementation of Learning to Communicate with Deep Multi-Agent Reinforcement Learning paper.
277. 1000- pnn.pytorch: PyTorch implementation of CVPR'18 - Perturbative Neural Networks http://xujuefei.com/pnn.html.
278. 1000- Face_Attention_Network: Pytorch implementation of face attention network as described in Face Attention Network: An Effective Face Detector for the Occluded Faces.
279. 1800+ waveglow: 基于流的语音合成生成网络。
280. 1000- deepfloat: This repository contains the SystemVerilog RTL, C++, HLS (Intel FPGA OpenCL to wrap RTL code) and Python needed to reproduce the numerical results in "Rethinking floating point for deep learning"
281. 1000- EPSR: Pytorch implementation of Analyzing Perception-Distortion Tradeoff using Enhanced Perceptual Super-resolution Network. This work has won the first place in PIRM2018-SR competition (region 1) held as part of the ECCV 2018.
282. 1000- ClariNet: Pytorch实现ClariNet。
283. 48900+ pytorch-pretrained-BERT: PyTorch version of Google AI's BERT model with script to load Google's pre-trained models
284. 1000- torch_waveglow: PyTorch实现WaveGlow: 基于流的语音合成生成网络。
285. 3000+ 3DDFA: The pytorch improved re-implementation of TPAMI 2017 paper: Face Alignment in Full Pose Range: A 3D Total Solution.
286. 1600+ loss-landscape: loss-landscape Code for visualizing the loss landscape of neural nets.
287. 1000- famos:（非）参数图像风格化马赛克的对抗性框架。论文：http://arxiv.org/abs/1811.09236 。
288. 1000- back2future.pytorch: This is a Pytorch implementation of Janai, J., Güney, F., Ranjan, A., Black, M. and Geiger, A., Unsupervised Learning of Multi-Frame Optical Flow with Occlusions. ECCV 2018.
289. 1000- FFTNet: Unofficial Implementation of FFTNet vocode paper.
290. 1000- FaceBoxes.PyTorch: PyTorch实现FaceBoxes。
291. 2900+ Transformer-XL: Transformer-XL: Attentive Language Models Beyond a Fixed-Length Contexthttps://github.com/kimiyoung/transformer-xl
292. 1000- associative_compression_networks: Associative Compression Networks for Representation Learning.
293. 1000- fluidnet_cxx: FluidNet re-written with ATen tensor lib.
294. 3700+ Deep-Reinforcement-Learning-Algorithms-with-PyTorch: This repository contains PyTorch implementations of deep reinforcement learning algorithms.
295. 1000- Shufflenet-v2-Pytorch: This is a Pytorch implementation of faceplusplus's ShuffleNet-v2.
296. 1000- GraphWaveletNeuralNetwork: This is a Pytorch implementation of Graph Wavelet Neural Network. ICLR 2019.
297. 1000- AttentionWalk: This is a Pytorch implementation of Watch Your Step: Learning Node Embeddings via Graph Attention. NIPS 2018.
298. 1000- SGCN: This is a Pytorch implementation of Signed Graph Convolutional Network. ICDM 2018.
299. 1000- SINE: This is a Pytorch implementation of SINE: Scalable Incomplete Network Embedding. ICDM 2018.
300. 1000- GAM: This is a Pytorch implementation of Graph Classification using Structural Attention. KDD 2018.
301. 1000- neural-style-pt: PyTorch 实现Justin Johnson 的神经风格算法。论文：A Neural Algorithm of Artistic Style。
302. 1000- TuckER: TuckER: Tensor Factorization for Knowledge Graph Completion.
303. 1000- pytorch-prunes: Pruning neural networks: is it time to nip it in the bud?
304. 1000- SimGNN: SimGNN: 一个快速图形相似度计算的神经网络方法。论文：A Neural Network Approach to Fast Graph Similarity Computation.
305. 1000- Character CNN: PyTorch implementation of the Character-level Convolutional Networks for Text Classification paper.
306. 2400+ XLM: PyTorch original implementation of Cross-lingual Language Model Pretraining.
307. 1000- DiffAI: A provable defense against adversarial examples and library for building compatible PyTorch models.
308. 1000- APPNP: Combining Neural Networks with Personalized PageRank for Classification on Graphs. ICLR 2019.
309. 1000- NGCN: A Higher-Order Graph Convolutional Layer. NeurIPS 2018.
310. 1000- gpt-2-Pytorch: Simple Text-Generator with OpenAI gpt-2 Pytorch Implementation
311. 1000- Splitter: Splitter: Learning Node Representations that Capture Multiple Social Contexts. (WWW 2019).
312. 1000+ CapsGNN: 胶囊图神经网络，Capsule Graph Neural Network。
313. 2300+ BigGAN-PyTorch: PyTorch实现BigGAN（非官方）。
314. 1000- ppo_pytorch_cpp: 近端策略优化算法的C++ API。
315. 1000- RandWireNN: 基于随机连接神经网络性能的图像识别。
316. 1000- Zero-shot Intent CapsNet: GPU-accelerated PyTorch implementation of "Zero-shot User Intent Detection via Capsule Neural Networks".
317. 1000- SEAL-CI 半监督图分类：层次图视角，Semi-Supervised Graph Classification: A Hierarchical Graph Perspective. (WWW 2019)。
318. 1000- MixHop: MixHop: Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood Mixing. ICML 2019.
319. 1000- densebody_pytorch: PyTorch implementation of CloudWalk's recent paper DenseBody.
320. 1000- voicefilter: Unofficial PyTorch implementation of Google AI's VoiceFilter system http://swpark.me/voicefilter.
321. 1300+ NVIDIA/semantic-segmentation: PyTorch实现“利用视频传播和标签松弛改进语义分割”。论文：Improving Semantic Segmentation via Video Propagation and Label Relaxation, In CVPR2019.
322. 1000- ClusterGCN: A PyTorch implementation of "Cluster-GCN: An Efficient Algorithm for Training Deep and Large Graph Convolutional Networks" (KDD 2019).
323. 1000+ NVlabs/DG-Net: A PyTorch implementation of "Joint Discriminative and Generative Learning for Person Re-identification" (CVPR19 Oral).
324. 1000- NCRF: 基于神经网络条件随机场(NCRF)的肿瘤转移检测，相关论文：https://openreview.net/forum?id=S1aY66iiM。
325. 1000- pytorch-sift: PyTorch实现SIFT（尺度不变特征变换匹配算法，Scale Invariant Feature Transform）描述子。
326. 1000- brain-segmentation-pytorch: 深度学习分割网络U-Net的PyTorch模型实现，用于脑核磁共振中FLAIR异常的分割。
327. 1000- glow-pytorch: PyTorch 实现"Glow, Generative Flow with Invertible 1x1 Convolutions"。
328. 1000- EfficientNets-PyTorch: PyTorch实现EfficientNet: 卷积神经网络模型尺度的再思考。
329. 1000- STEAL: STEAL - 从噪声标注中学习语义边界，https://nv-tlabs.github.io/STEAL/ 。
330. 1000- EigenDamage-Pytorch: 官方实现ICML'19 论文"特征损伤：克罗内克分解特征基中的结构剪枝"。
331. 1000- Aspect-level-sentiment: 论文代码和数据集，ACL2018论文："利用文档知识进行体层情感分类"。
332. 1000- breast_cancer_classifier: 深层神经网络提高放射科医生乳腺癌筛查的效果，https://arxiv.org/abs/1903.08297 。
333. 1000- DGC-Net: PyTorch实现"DGC-Net: 密集几何对应网络".
334. 1000- universal-triggers: Universal Adversarial Triggers for Attacking and Analyzing NLP (EMNLP 2019)
335. 3700+ Deep-Reinforcement-Learning-Algorithms-with-PyTorch: PyTorch implementations of deep reinforcement learning algorithms and environments.
336. 1000- simple-effective-text-matching-pytorch: A pytorch implementation of the ACL2019 paper "Simple and Effective Text Matching with Richer Alignment Features".
337. null 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. 1000- NVIDIA/unsupervised-video-interpolation: A PyTorch Implementation of Unsupervised Video Interpolation Using Cycle Consistency, In ICCV 2019.
339. 1000- Seg-Uncertainty: Unsupervised Scene Adaptation with Memory Regularization in vivo, In IJCAI 2020.
340. 5700+ pulse: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models
341. 1000- distance-encoding: Distance-Encoding - Design Provably More PowerfulGNNs for Structural Representation Learning.
342. 1000- Pathfinder Discovery Networks: Pathfinder Discovery Networks for Neural Message Passing.
343. 1000- PyKEEN: A Python library for learning and evaluating knowledge graph embeddings

Talks & conferences｜报告& 会议

1. PyTorch Conference 2018: 2018年首届PyTorch开发者大会。

Pytorch elsewhere ｜ Pytorch相关

1. 8300+ the-incredible-pytorch**: 不可思议的Pythorch：一份PyTorch相关的教程、论文、项目、社区等的清单。
2. 6500+ generative models: 各种生成模型，例如基于Pytorch和Tensorflow的GAN、VAE。 http://wiseodd.github.io
3. pytorch vs tensorflow: Reddit上的PyTorch和TensorFlow的比较文章。
4. Pytorch discussion forum: PyTorch论坛。
5. null pytorch notebook: docker-stack: 类似于Jupyter Notebook Scientific Python Stack
6. 1000- drawlikebobross: 使用神经网络作画！
7. 1000- pytorch-tvmisc: 该仓库收集了作者用PyTorch实现的各种玩意儿。
8. 1000- pytorch-a3c-mujoco: 该项目旨在解决Mujoco中的控制问题，高度基于pytorch-a3c。
9. PyTorch in 5 Minutes.
10. 1000- pytorch_chatbot: 用PyTorch实现的聊天机器人。
11. 1000- malmo-challenge: Malmo协作人工智能挑战-Pig Catcher团队。
12. 1000- sketchnet: 指导计算机作画。http://www.jtoy.net/projects/sketchnet/
13. 1200+ Deep-Learning-Boot-Camp: 非盈利社区运营的5天深度学习训练营。 http://deep-ml.com.
14. 1000- Amazon_Forest_Computer_Vision: 亚马逊森林计算机视觉：使用PyTorch标记卫星图像标记/Keras中的PyTorch技巧。
15. 2400+ AlphaZero_Gomoku: 用AlphaZero算法玩五子棋。
16. null pytorch-cv: null.
17. 2800+ deep-person-reid: Pytorch实现深度学习行人重新识别方法。
18. 2700+ pytorch-template: PyTorch深度学习模版。
19. 1000- Deep Learning With Pytorch: 随书代码《Deep Learning With Pytorch TextBook》 PyTorch实用指南：使用PyTorch建立文本和视觉神经网络模型。亚马逊中国电子版
20. 1000- compare-tensorflow-pytorch: 比较用Tensorflow编写的层和用Pytorch编写的层之间的输出。
21. 1000- hasktorch: Haskell中的张量与神经网络。
22. Deep Learning With Pytorch Deep Learning with PyTorch 教你如何用Python和PyTorch实现深度学习算法。
23. 1000- nimtorch: PyTorch - Python + Nim，PyTorch的Nim前端。
24. 1000- derplearning: 自动驾驶遥控车代码。
25. 1000- pytorch-saltnet: Kaggle | TGS Salt Identification Challenge 第9名解决方案。
26. 1000- pytorch-scripts: 一些脚本，使在Windows上使用PyTorch更加容易。
27. 1000- pytorch_misc: 为PyTorch讨论板创建的代码片段。
28. 1000- awesome-pytorch-scholarship: 收集了一系列优秀的PyTorch学术文章、指南、博客、课程和其他资源。
29. 1000- MentisOculi: PyTorch版raytracer。(raynet?)
30. 2400+ DoodleMaster: “画出UI！”("Don't code your UI, Draw it !")
31. 1000- ocaml-torch: ocaml-torch为PyTorch张量库提供一些ocaml绑定。
32. 1000- extension-script: TorchScript自定义C++/CUDA运算符的示例。
33. 1000- pytorch-inference: Windows10 平台上Pytorch 1.0在C++ 中的推断。
34. 1000- pytorch-cpp-inference: 包含使用PyTorch C++ API执行推断的各种示例。
35. 1100+ tch-rs: PyTorch的Rust绑定。
36. 1000- TorchSharp: Pytorch引擎的.NET绑定。
37. 2000+ ML Workspace: 面向机器学习和数据科学的一体化Web IDE。包含Jupyter, VS Code, PyTorch 和许多其他工具或库，这些都集合在一个Docker映像中。
38. 1100+ 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.