PyTorch Hub 是一个用于提高机器学习研究可复现性的平台，提供预训练模型库，简化模型加载和使用。研究者可以通过添加 hubconf.py 文件发布模型，用户则能通过 API 查看、加载模型并了解可用方法。PyTorch Hub 支持 Colab 集成和 Papers With Code，促进了模型复现和研究交流。
无论 ResNet、BERT、GPT、VGG、PGAN，还是 MobileNet，只需一行代码轻松复现！
”
图灵奖得主 Yann LeCun 强烈推荐
· 关于 PyTorch Hub ·
可复现性是许多研究领域的基本要求，包括基于机器学习技术的研究领域。然而，许多机器学习出版物要么不可复现，要么难以复现。随着研究出版物数量的持续增长，包括目前在 arXiv 上的数万份论文以及历史大会投稿，研究的可复现性比以往重要得多。虽然其中很多出版物都附上了有用的代码以及训练有素的模型，但仍为用户留下了一些需要自行解决的步骤。
所以 PyTorch 团队推出了 PyTorch Hub：一个简单的 API 和工作流程，为机器学习研究的复现提供了基础的构建模块。它由一个经过预先训练的模型存储库组成，专门设计用于协助研究的可复现性并实现新的研究。它还内置了支持 Colab，集成 Papers With Code 网站，目前已有一组预训练模型，包括 Classification、Segmentation、Generative 和 Transformer 等等。
· [所有者] 发布模型 ·
PyTorch Hub 可通过添加一个简单的 hubconf.py 文
最低0.47元/天 解锁文章
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
