深度学习领域PyTorch项目-git源码整理

原文地址: http://www.sohu.com/a/164171974_741733
本文收集了大量基于 PyTorch 实现的代码链接，其中有适用于深度学习新手的“入门指导系列”，也有适用于老司机的论文代码实现，包括 Attention Based CNN、A3C、WGAN等等。所有代码均按照所属技术领域分类，包括机器视觉/图像相关、自然语言处理相关、强化学习相关等等。所以如果你打算入手这风行一世的 PyTorch 技术，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 发布的深度学习框架，因支持动态定义计算图，相比于 Tensorflow 使用起来更为灵活方便，特别适合中小型机器学习项目和深度学习初学者。但因为 Torch 的开发语言是Lua，导致它在国内一直很小众。所以，在千呼万唤下，PyTorch应运而生！PyTorch 继承了 Troch 的灵活特性，又使用广为流行的 Python 作为开发语言，所以一经推出就广受欢迎！

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。