吐血整理：PyTorch項目代碼與資源列表 | 資源下載

http://www.sohu.com/a/164171974_741733

 

本文收集了大量基於 PyTorch 實現的代碼鏈接，其中有適用於深度學習新手的“入門指導系列”，也有適用於老司機的論文代碼實現，包括 Attention Based CNN、A3C、WGAN等等。所有代碼均按照所屬技術領域分類，包括機器視覺/圖像相關、自然語言處理相關、強化學習相關等等。所以如果你打算入手這風行一世的 PyTorch 技術，那么就快快收藏本文吧！

PyTorch 是什么？

PyTorch即 Torch 的 Python 版本。Torch 是由 Facebook 發布的深度學習框架，因支持動態定義計算圖，相比於 Tensorflow 使用起來更為靈活方便，特別適合中小型機器學習項目和深度學習初學者。但因為 Torch 的開發語言是Lua，導致它在國內一直很小眾。所以，在千呼萬喚下，PyTorch應運而生！PyTorch 繼承了 Troch 的靈活特性，又使用廣為流行的 Python 作為開發語言，所以一經推出就廣受歡迎！

目錄：

1. 入門系列教程

2. 入門實例

3. 圖像、視覺、CNN相關實現

4. 對抗生成網絡、生成模型、GAN相關實現

5. 機器翻譯、問答系統、NLP相關實現

6. 先進視覺推理系統

7. 深度強化學習相關實現

8. 通用神經網絡高級應用

1

入門系列教程

1.PyTorch Tutorials

https://github.com/MorvanZhou/PyTorch-Tutorial.git

著名的“莫煩”PyTorch系列教程的源碼。

2.Deep Learning with PyTorch: a 60-minute blitz

http://pytorch.org/tutorials/beginner/deep_learning_60min_blitz.html

PyTorch官網推薦的由網友提供的60分鍾教程，本系列教程的重點在於介紹PyTorch的基本原理，包括自動求導，神經網絡，以及誤差優化API。

3.Simple examples to introduce PyTorch

https://github.com/jcjohnson/pytorch-examples.git

由網友提供的PyTorch教程，通過一些實例的方式，講解PyTorch的基本原理。內容涉及Numpy、自動求導、參數優化、權重共享等。

2

入門實例

1.Ten minutes pyTorch Tutorial

https://github.com/SherlockLiao/pytorch-beginner.git

知乎上“十分鍾學習PyTorch“系列教程的源碼。

2.Official PyTorch Examples

https://github.com/pytorch/examples

官方提供的實例源碼，包括以下內容：

• 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

據說是提供給深度學習科研者們的PyTorch教程←_←。教程中的每個實例的代碼都控制在30行左右，簡單易懂，內容如下：

• 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

4PyTorch-playground

https://github.com/aaron-xichen/pytorch-playground.git

PyTorch初學者的Playground，在這里針對一下常用的數據集，已經寫好了一些模型，所以大家可以直接拿過來玩玩看，目前支持以下數據集的模型。

• mnist, svhn

• cifar10, cifar100

• stl10

• alexnet

• vgg16, vgg16_bn, vgg19, vgg19_bn

• resnet18, resnet34, resnet50, resnet101, resnet152

• squeezenet_v0, squeezenet_v1

• inception_v3

3

圖像、視覺、CNN相關實現

1.PyTorch-FCN

https://github.com/wkentaro/pytorch-fcn.git

FCN(Fully Convolutional Networks implemented) 的PyTorch實現。

2.Attention Transfer

https://github.com/szagoruyko/attention-transfer.git

論文 "Paying More Attention to Attention: Improving the Performance of Convolutional Neural Networks via Attention Transfer" 的PyTorch實現。

3.Wide ResNet model in PyTorch

https://github.com/szagoruyko/functional-zoo.git

一個PyTorch實現的 ImageNet Classification 。

4.CRNN for image-based sequence recognition

https://github.com/bgshih/crnn.git

這個是 Convolutional Recurrent Neural Network (CRNN) 的 PyTorch 實現。CRNN 由一些CNN，RNN和CTC組成，常用於基於圖像的序列識別任務，例如場景文本識別和OCR。

5.Scaling the Scattering Transform: Deep Hybrid Networks

https://github.com/edouardoyallon/pyscatwave.git

使用了“scattering network”的CNN實現，特別的構架提升了網絡的效果。

6.Conditional Similarity Networks (CSNs)

https://github.com/andreasveit/conditional-similarity-networks.git

《Conditional Similarity Networks》的PyTorch實現。

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 實現。

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 實現。

9.CortexNet

https://github.com/e-lab/pytorch-CortexNet.git

一個使用視頻訓練的魯棒預測深度神經網絡。

10.Neural Message Passing for Quantum Chemistry

https://github.com/priba/nmp_qc.git

論文《Neural Message Passing for Quantum Chemistry》的PyTorch實現，好像是講計算機視覺下的神經信息傳遞。

4

對抗生成網絡、生成模型、GAN相關實現

1.Generative Adversarial Networks (GANs) in PyTorch

https://github.com/devnag/pytorch-generative-adversarial-networks.git

一個非常簡單的由PyTorch實現的對抗生成網絡

2.DCGAN & WGAN with Pytorch

https://github.com/chenyuntc/pytorch-GAN.git

由中國網友實現的DCGAN和WGAN，代碼很簡潔。

3.Official Code for WGAN

https://github.com/martinarjovsky/WassersteinGAN.git

WGAN的官方PyTorch實現。

4.DiscoGAN in PyTorch

https://github.com/carpedm20/DiscoGAN-pytorch.git

《Learning to Discover Cross-Domain Relations with Generative Adversarial Networks》的 PyTorch 實現。

5.Adversarial Generator-Encoder Network

https://github.com/DmitryUlyanov/AGE.git

《Adversarial Generator-Encoder Networks》的 PyTorch 實現。

6.CycleGAN and pix2pix in PyTorch

https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix.git

圖到圖的翻譯，著名的 CycleGAN 以及 pix2pix 的PyTorch 實現。

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 實現。

5

機器翻譯、問答系統、NLP相關實現

1.DeepLearningForNLPInPytorch

https://github.com/rguthrie3/DeepLearningForNLPInPytorch.git

一套以 NLP 為主題的 PyTorch 基礎教程。本教程使用Ipython Notebook編寫，看起來很直觀，方便學習。

2.Practial Pytorch with Topic RNN & NLP

https://github.com/spro/practical-pytorch

以 RNN for NLP 為出發點的 PyTorch 基礎教程，分為“RNNs for NLP”和“RNNs for timeseries data”兩個部分。

3.PyOpenNMT: Open-Source Neural Machine Translation

https://github.com/OpenNMT/OpenNMT-py.git

一套由PyTorch實現的機器翻譯系統。

4.Deal or No Deal? End-to-End Learning for Negotiation Dialogues

https://github.com/facebookresearch/end-to-end-negotiator.git

Facebook AI Research 論文《Deal or No Deal? End-to-End Learning for Negotiation Dialogues》的 PyTorch 實現。

5.Attention is all you need: A Pytorch Implementation

https://github.com/jadore801120/attention-is-all-you-need-pytorch.git

Google Research 著名論文《Attention is all you need》的PyTorch實現。

6.Improved Visual Semantic Embeddings

https://github.com/fartashf/vsepp.git

一種從圖像中檢索文字的方法，來自論文：《VSE++: Improved Visual-Semantic Embeddings》。

7.Reading Wikipedia to Answer Open-Domain Questions

https://github.com/facebookresearch/DrQA.git

一個開放領域問答系統DrQA的PyTorch實現。

8.Structured-Self-Attentive-Sentence-Embedding

https://github.com/ExplorerFreda/Structured-Self-Attentive-Sentence-Embedding.git

IBM 與 MILA 發表的《A Structured Self-Attentive Sentence Embedding》的開源實現。

6

先進視覺推理系統

1.Visual Question Answering in Pytorch

https://github.com/Cadene/vqa.pytorch.git

一個PyTorch實現的優秀視覺推理問答系統，是基於論文《MUTAN: Multimodal Tucker Fusion for Visual Question Answering》實現的。項目中有詳細的配置使用方法說明。

2.Clevr-IEP

https://github.com/facebookresearch/clevr-iep.git

Facebook Research 論文《Inferring and Executing Programs for Visual Reasoning》的PyTorch實現，講的是一個可以基於圖片進行關系推理問答的網絡。

7

深度強化學習相關實現

1.Deep Reinforcement Learning withpytorch & visdom

https://github.com/onlytailei/pytorch-rl.git

多種使用PyTorch實現強化學習的方法。

2.Value Iteration Networks in PyTorch

https://github.com/onlytailei/Value-Iteration-Networks-PyTorch.git

Value Iteration Networks (VIN) 的PyTorch實現。

3.A3C in PyTorch

https://github.com/onlytailei/A3C-PyTorch.git

Adavantage async Actor-Critic (A3C) 的PyTorch實現。

8

通用神經網絡高級應用

1.PyTorch-meta-optimizer

https://github.com/ikostrikov/pytorch-meta-optimizer.git

論文《Learning to learn by gradient descent by gradient descent》的PyTorch實現。

2.OptNet: Differentiable Optimization as a Layer in Neural Networks

https://github.com/locuslab/optnet.git

論文《Differentiable Optimization as a Layer in Neural Networks》的PyTorch實現。

3.Task-based End-to-end Model Learning

https://github.com/locuslab/e2e-model-learning.git

論文《Task-based End-to-end Model Learning》的PyTorch實現。

4.DiracNets

https://github.com/szagoruyko/diracnets.git

不使用“Skip-Connections”而搭建特別深的神經網絡的方法。

5.ODIN: Out-of-Distribution Detector for Neural Networks

https://github.com/ShiyuLiang/odin-pytorch.git

這是一個能夠檢測“分布不足”（Out-of-Distribution)樣本的方法的PyTorch實現。當“true positive rate”為95％時，該方法將DenseNet（適用於CIFAR-10）的“false positive rate”從34.7％降至4.3％。

6.Accelerate Neural Net Training by Progressively Freezing Layers

https://github.com/ajbrock/FreezeOut.git

一種使用“progressively freezing layers”來加速神經網絡訓練的方法。

7.Efficient_densenet_pytorch

https://github.com/gpleiss/efficient_densenet_pytorch.git

DenseNets的PyTorch實現，優化以節省GPU內存。

感覺微信文章查詢不方便？

微信公眾號后台回復：資源

可以找到本文PDF和HTML版的下載鏈接哦！

（通過連接找到資料下載即可）

自學容易走彎路？

快來跟張江教授學習深度學習&PyTorch吧！