转 Pytorch 教学资料

最新推荐文章于 2022-11-01 18:44:12 发布
最新推荐文章于 2022-11-01 18:44:12 发布
阅读量122 收藏 1
点赞数
文章标签： git 人工智能 python
原文链接：http://www.cnblogs.com/chenyusheng0803/p/10810064.html
版权

本文收集了大量PyTorch项目（备查）

转自：https://blog.csdn.net/fuckliuwenl/article/details/80554182

目录：

  1. 入门系列教程
  2. 入门实例
  3. 图像、视觉、CNN相关实现
  4. 对抗生成网络、生成模型、GAN相关实现
  5. 机器翻译、问答系统、NLP相关实现
  6. 先进视觉推理系统
  7. 深度强化学习相关实现
  8. 通用神经网络高级应用

入门系列教程

  1. PyTorch Tutorials 
    https://github.com/MorvanZhou/PyTorch-Tutorial.git 
    著名的“莫烦”PyTorch系列教程的源码。
  2. Deep Learning with PyTorch: a 60-minute blitz 
    http://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html 
    PyTorch官网推荐的由网友提供的60分钟教程，本系列教程的重点在于介绍PyTorch的基本原理，包括自动求导，神经网络，以及误差优化API。
  3. Simple examples to introduce PyTorch 
    https://github.com/jcjohnson/pytorch-examples.git 
    由网友提供的PyTorch教程，通过一些实例的方式，讲解PyTorch的基本原理。内容涉及Numpy、自动求导、参数优化、权重共享等。

入门实例

  1. Ten minutes pyTorch Tutorial 
    https://github.com/SherlockLiao/pytorch-beginner.git 
    知乎上“十分钟学习PyTorch“系列教程的源码。
  2. Official PyTorch Examples 
    https://github.com/pytorch/examples 
    官方提供的实例源码，包括以下内容： 
    MNIST Convnets 
    Word level Language Modeling using LSTM RNNs 
    Training Imagenet Classifiers with Residual Networks 
    Generative Adversarial Networks (DCGAN) 
    Variational Auto-Encoders 
    Superresolution using an efficient sub-pixel convolutional neural network 
    Hogwild training of shared ConvNets across multiple processes on MNIST 
    Training a CartPole to balance in OpenAI Gym with actor-critic 
    Natural Language Inference (SNLI) with GloVe vectors, LSTMs, and torchtext 
    Time sequence prediction - create an LSTM to learn Sine waves
  3. PyTorch Tutorial for Deep Learning Researchers 
    https://github.com/yunjey/pytorch-tutorial.git 
    据说是提供给深度学习科研者们的PyTorch教程←_←。教程中的每个实例的代码都控制在30行左右，简单易懂，内容如下： 
    PyTorch Basics 
    Linear Regression 
    Logistic Regression 
    Feedforward Neural Network 
    Convolutional Neural Network 
    Deep Residual Network 
    Recurrent Neural Network 
    Bidirectional Recurrent Neural Network 
    Language Model (RNN-LM) 
    Generative Adversarial Network 
    Image Captioning (CNN-RNN) 
    Deep Convolutional GAN (DCGAN) 
    Variational Auto-Encoder 
    Neural Style Transfer 
    TensorBoard in PyTorch
  4. PyTorch-playground 
    https://github.com/aaron-xichen/pytorch-playground.git 
    PyTorch初学者的Playground，在这里针对一下常用的数据集，已经写好了一些模型，所以大家可以直接拿过来玩玩看，目前支持以下数据集的模型。 
    mnist, svhn 
    cifar10, cifar100 
    stl10 
    alexnet 
    vgg16, vgg16_bn, vgg19, vgg19_bn 
    resnet18, resnet34, resnet50, resnet101, resnet152 
    squeezenet_v0, squeezenet_v1 
    inception_v3

图像、视觉、CNN相关实现

  1. PyTorch-FCN 
    https://github.com/wkentaro/pytorch-fcn.git 
    FCN(Fully Convolutional Networks implemented) 的PyTorch实现。
  2. Attention Transfer 
    https://github.com/szagoruyko/attention-transfer.git 
    论文 “Paying More Attention to Attention: Improving the Performance of Convolutional Neural Networks via Attention Transfer” 的PyTorch实现。
  3. Wide ResNet model in PyTorch 
    https://github.com/szagoruyko/functional-zoo.git 
    一个PyTorch实现的 ImageNet Classification 。
  4. CRNN for image-based sequence recognition 
    https://github.com/bgshih/crnn.git 
    这个是 Convolutional Recurrent Neural Network (CRNN) 的 PyTorch 实现。CRNN 由一些CNN，RNN和CTC组成，常用于基于图像的序列识别任务，例如场景文本识别和OCR。
  5. Scaling the Scattering Transform: Deep Hybrid Networks 
    https://github.com/edouardoyallon/pyscatwave.git 
    使用了“scattering network”的CNN实现，特别的构架提升了网络的效果。
  6. Conditional Similarity Networks (CSNs) 
    https://github.com/andreasveit/conditional-similarity-networks.git 
    《Conditional Similarity Networks》的PyTorch实现。
  7. Multi-style Generative Network for Real-time Transfer 
    https://github.com/zhanghang1989/PyTorch-Style-Transfer.git 
    MSG-Net 以及 Neural Style 的 PyTorch 实现。
  8. Big batch training 
    https://github.com/eladhoffer/bigBatch.git 
    《Train longer, generalize better: closing the generalization gap in large batch training of neural networks》的 PyTorch 实现。
  9. CortexNet 
    https://github.com/e-lab/pytorch-CortexNet.git 
    一个使用视频训练的鲁棒预测深度神经网络。
  10. Neural Message Passing for Quantum Chemistry 
    https://github.com/priba/nmp_qc.git 
    论文《Neural Message Passing for Quantum Chemistry》的PyTorch实现，好像是讲计算机视觉下的神经信息传递。

对抗生成网络、生成模型、GAN相关实现

  1. Generative Adversarial Networks (GANs) in PyTorch 
    https://github.com/devnag/pytorch-generative-adversarial-networks.git 
    一个非常简单的由PyTorch实现的对抗生成网络
  2. DCGAN & WGAN with Pytorch 
    https://github.com/chenyuntc/pytorch-GAN.git 
    由中国网友实现的DCGAN和WGAN，代码很简洁。
  3. Official Code for WGAN 
    https://github.com/martinarjovsky/WassersteinGAN.git 
    WGAN的官方PyTorch实现。
  4. DiscoGAN in PyTorch 
    https://github.com/carpedm20/DiscoGAN-pytorch.git 
    《Learning to Discover Cross-Domain Relations with Generative Adversarial Networks》的 PyTorch 实现。
  5. Adversarial Generator-Encoder Network 
    https://github.com/DmitryUlyanov/AGE.git 
    《Adversarial Generator-Encoder Networks》的 PyTorch 实现。
  6. CycleGAN and pix2pix in PyTorch 
    https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix.git 
    图到图的翻译，著名的 CycleGAN 以及 pix2pix 的PyTorch 实现。
  7. Weight Normalized GAN 
    https://github.com/stormraiser/GAN-weight-norm.git 
    《On the Effects of Batch and Weight Normalization in Generative Adversarial Networks》的 PyTorch 实现。

机器翻译、问答系统、NLP相关实现

  1. DeepLearningForNLPInPytorch 
    https://github.com/rguthrie3/DeepLearningForNLPInPytorch.git 
    一套以 NLP 为主题的 PyTorch 基础教程。本教程使用Ipython Notebook编写，看起来很直观，方便学习。
  2. Practial Pytorch with Topic RNN & NLP 
    https://github.com/spro/practical-pytorch 
    以 RNN for NLP 为出发点的 PyTorch 基础教程，分为“RNNs for NLP”和“RNNs for timeseries data”两个部分。
  3. PyOpenNMT: Open-Source Neural Machine Translation 
    https://github.com/OpenNMT/OpenNMT-py.git 
    一套由PyTorch实现的机器翻译系统。（包含，Attention Model）
  4. Deal or No Deal? End-to-End Learning for Negotiation Dialogues 
    https://github.com/facebookresearch/end-to-end-negotiator.git 
    Facebook AI Research 论文《Deal or No Deal? End-to-End Learning for Negotiation Dialogues》的 PyTorch 实现。
  5. Attention is all you need: A Pytorch Implementation 
    https://github.com/jadore801120/attention-is-all-you-need-pytorch.git 
    Google Research 著名论文《Attention is all you need》的PyTorch实现。Attention Model（AM）。
  6. Improved Visual Semantic Embeddings 
    https://github.com/fartashf/vsepp.git 
    一种从图像中检索文字的方法，来自论文：《VSE++: Improved Visual-Semantic Embeddings》。
  7. Reading Wikipedia to Answer Open-Domain Questions 
    https://github.com/facebookresearch/DrQA.git 
    一个开放领域问答系统DrQA的PyTorch实现。
  8. Structured-Self-Attentive-Sentence-Embedding 
    https://github.com/ExplorerFreda/Structured-Self-Attentive-Sentence-Embedding.git 
    IBM 与 MILA 发表的《A Structured Self-Attentive Sentence Embedding》的开源实现。

先进视觉推理系统

  1. Visual Question Answering in Pytorch 
    https://github.com/Cadene/vqa.pytorch.git 
    一个PyTorch实现的优秀视觉推理问答系统，是基于论文《MUTAN: Multimodal Tucker Fusion for Visual Question Answering》实现的。项目中有详细的配置使用方法说明。
  2. Clevr-IEP 
    https://github.com/facebookresearch/clevr-iep.git 
    Facebook Research 论文《Inferring and Executing Programs for Visual Reasoning》的PyTorch实现，讲的是一个可以基于图片进行关系推理问答的网络。

深度强化学习相关实现

  1. Deep Reinforcement Learning withpytorch & visdom 
    https://github.com/onlytailei/pytorch-rl.git 
    多种使用PyTorch实现强化学习的方法。
  2. Value Iteration Networks in PyTorch 
    https://github.com/onlytailei/Value-Iteration-Networks-PyTorch.git 
    Value Iteration Networks (VIN) 的PyTorch实现。
  3. A3C in PyTorch 
    https://github.com/onlytailei/A3C-PyTorch.git 
    Adavantage async Actor-Critic (A3C) 的PyTorch实现。

通用神经网络高级应用

 

 

    1. PyTorch-meta-optimizer 
      https://github.com/ikostrikov/pytorch-meta-optimizer.git 
      论文《Learning to learn by gradient descent by gradient descent》的PyTorch实现。
    2. OptNet: Differentiable Optimization as a Layer in Neural Networks 
      https://github.com/locuslab/optnet.git 
      论文《Differentiable Optimization as a Layer in Neural Networks》的PyTorch实现。
    3. Task-based End-to-end Model Learning 
      https://github.com/locuslab/e2e-model-learning.git 
      论文《Task-based End-to-end Model Learning》的PyTorch实现。
    4. DiracNets 
      https://github.com/szagoruyko/diracnets.git 
      不使用“Skip-Connections”而搭建特别深的神经网络的方法。
    5. ODIN: Out-of-Distribution Detector for Neural Networks 
      https://github.com/ShiyuLiang/odin-pytorch.git 
      这是一个能够检测“分布不足”（Out-of-Distribution)样本的方法的PyTorch实现。当“true positive rate”为95％时，该方法将DenseNet（适用于CIFAR-10）的“false positive rate”从34.7％降至4.3％。
    6. Accelerate Neural Net Training by Progressively Freezing Layers 
      https://github.com/ajbrock/FreezeOut.git 
      一种使用“progressively freezing layers”来加速神经网络训练的方法。
    7. Efficient_densenet_pytorch 
      https://github.com/gpleiss/efficient_densenet_pytorch.git 
      DenseNets的PyTorch实现，优化以节省GPU内存。

转载于:https://www.cnblogs.com/chenyusheng0803/p/10810064.html

afvko8191
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
从零开始，Squeezenet在Pytorch+Opencv上的实现（一）：数据集的制作
CSDN_Doubao的博客
07-18 690
  项目的初衷：虽然做二分类用SVM就基本能够满足功能需求，但因为Squeezenet网络模型足够小，所以想试一下在嵌入式运行速率和精确度是否能够比拟SVM从而尝试替代   功能实现：制作自定义的车位数据集在Pytorch上进行训练，以onnx文件形式在opencv上进行调用实现车位场景和非车位场景的二分类 1.数据集的制作   首先看一下我拿到的数据集样子以及标签方式： 数据标签：有效车位场景为1，无效车位场景为-1   从上图可以看出，一开始拿到的数据集图片是大小不一的，图片名称虽然是从0开始排起，
pytorch搭建squeezenet网络的整套工程（升级版）
weixin_45354497的博客
11-09 1038
针对squeezenet网络的升级版本，效果更好。
Transformer源码详解（Pytorch版本）逐行讲解
Queen_sy的博客
11-01 1万+
下面的PAD表示填充，填充就是当句子长度不满足max_len时候，会填充pad。## 这里有两个数据进行输入，一个是enc_inputs 形状为[batch_size, src_len]，主要是作为编码段的输入，一个dec_inputs，形状为[batch_size, tgt_len]，主要是作为解码端的输入。一定需要注意的是这里得到的矩阵形状是batch_size x len_q x len_k，我们是对k中的pad符号进行标识，并没有对q中的做标识，因为没必要（尚未理解，有理解的小伙伴评论私信奥）
PyTorch最佳实践和代码模板
小白学视觉
07-15 723
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达作者：IgorSusmelj编译：ronghuaiyang导读PyTorch1.0之后，越来越多的人选择使用PyTorch，今天给大家介绍一个github项目，作者通过自己使用PyTorch的实际工程经验，总结出了一套非常有用的使用PyTorch的最佳实践，涉及到使用PyTorch的方方面面，看了之后非...
Ubuntu系统配置PyTorch教学
05-03
在Ubuntu系统上配置PyTorch是一项重要...在提供的"Ubuntu系统配置PyTorch教学.pdf"文件中，应该会有更详细的操作指南和注意事项，包括可能遇到的问题及其解决方案。建议仔细阅读该文档，以确保顺利完成PyTorch的配置。
pytorch基础教学简单实例
01-10
在这个"pytorch基础教学简单实例"中，我们将学习如何构建、训练和优化一个神经网络模型。 首先，我们要了解PyTorch中的核心概念：张量（Tensor）。张量是PyTorch的数据结构基础，类似于numpy数组，但可以在GPU上...
莫凡pytorch教学练习1-8
03-17
这个“莫凡pytorch教学练习1-8”的压缩包很可能包含了从基础到进阶的一系列PyTorch编程练习，旨在帮助学习者逐步掌握这个强大的深度学习框架。下面，我们将深入探讨PyTorch的一些核心概念和关键知识点。 1. **张量...
Pytorch输出Hello语句详细教学
最新发布
07-05
Pytorch输出Hello语句详细教学，比较简单
Python深度学习实战——基于Pytorch-ppt.zip
07-03
《Python深度学习实战——基于PyTorch》是一份详尽的教学资料，主要涵盖了使用Python和PyTorch进行深度学习的基本概念、技术与实践。PyTorch是Facebook开发的一个开源机器学习库，它提供了动态计算图的功能，使得...
DiscoGAN论文讲解
09-30
Learning to Discover Cross-Domain Relations with Generative Adversarial Networks
pytorch0.4.0源码 pytorch-v0.4.0.zip
01-24
本文档是pytorch0.4.0的源码，可以进行编译安装。具体教程见其他博文，本文档仅提供安装包，该资源为本人安装pytorch过程中获取的安装包。pytorch有两种安装方式，一种是官方编译好的安装包，此种安装更为简单，另一种需要用户自行编译，本文档属于后者。
pytorch
03-18
pytorch
Python-使用SqueezeNet轻量级实施Pytorch中的神经风格
08-11
使用SqueezeNet轻量级实施Pytorch中的神经风格
三天循序渐进掌握PyTorch教程（附带完整源码及数据集）
06-09
《深度学习框架PyTorch：入门与实践》教程及全部源码及训练数据。 第二章介绍如何安装PyTorch和配置学习环境。 第三章介绍了PyTorch中多维数组Tensor和动态图autograd/Variable的使用，并配以例子。 第四章介绍了PyTorch中神经网络模块nn的基础用法，同时讲解了神经网络中“层”，“损失函数”，“优化器”等，最后带领读者用不到50行的代码搭建出曾夺得ImageNet冠军的ResNet。 第五章介绍了PyTorch中数据加载，GPU加速，持久化和可视化等相关工具。 第六章结合Kaggle中一个经典的比赛，实现一个深度学习中比较简单的图像二分类问题。 第七章为读者讲解了当前最火爆的生成对抗网络（GAN），带领读者从头实现一个动漫头像生成器，能够利用GAN生成风格多变的动漫头像。 第八章为读者讲解了风格迁移的相关知识，并带领读者实现风格迁移网络 第九章为读者讲解了一些自然语言处理的基础知识，并讲解了CharRNN的原理。而后利用收集了几万首唐诗，训练出了一个可以自动写诗歌的小程序。 第十章为读者介绍了图像描述任务，并以最新的AI Challenger比赛的。
最适合入门的100个深度学习项目
热门推荐
CSDN 精品推荐
10-17 9万+
本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。
PyTorch实现，GitHub 4000星：这是微软开源的计算机视觉库
机器学习算法与Python学习
08-22 426
机器之心报道编辑：魔王、陈萍本文介绍了微软开源的计算机视觉库，它囊括了计算机视觉领域的最佳实践、代码示例和丰富文档。近年来，计算机视觉领域突飞猛进，在人脸识别、图像理解、搜索、无人机、地...
(含源码下载)利用Pytorch搭建GPU视觉处理接口
专注于人工智能领域的小何尚
06-16 652
NVIDIA 视觉编程接口 () 是 NVIDIA 的计算机视觉和图像处理软件库，使您能够实现在 NVIDIA Jetson 嵌入式设备和独立的GPU 上可用的不同硬件后端上加速的算法。库中的一些算法包括过滤方法、透视扭曲、时间降噪、直方图均衡、立体视差和镜头失真校正。 VPI 提供易于使用的 Python 绑定以及 C++ API。除了与 OpenCV 接口外，VPI 还能够与 PyTorch 和其他基于 Python 的库进行互操作。 在这篇文章中，我们将通过基于 PyTorch 的目标检测和跟踪示例向
pytorch安装教学
08-01
Pytorch的安装教程可以按照以下步骤进行操作： 1. 首先，确定你的CUDA版本。你可以在命令行中输入`nvcc --version`来查看。这将显示你的CUDA版本号。 2. 根据你的CUDA版本，选择合适的Pytorch安装命令。如果你的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值