PyTorch 生态系统包含来自学术界和工业界广大研究人员、应用开发者和机器学习工程师的项目、工具、模型及库。该生态系统的目标是支持、加速并协助您使用 PyTorch 进行探索，无论您在探索哪个领域，都能助您推动技术前沿的发展。同样，我们正在扩展近期推出的 PyTorch Hub，以进一步帮助您发现并复现最新研究。
在本文中，我们将重点介绍今年加入 PyTorch 生态系统的一些项目，并概述我们评估社区项目的标准。我们还将提供关于快速发展的 PyTorch Hub 的最新进展，并分享即将举办的 PyTorch 夏季黑客马拉松的详细信息。
近期加入的生态项目
从私密 AI 到量子计算，我们见证了社区不断扩展到新的、有趣的领域。最新的项目包括：
- Advertorch：一个用于对抗鲁棒性研究的 Python 工具箱。其主要功能在 PyTorch 中实现。具体而言，AdverTorch 包含用于生成对抗扰动和防御对抗样本的模块，以及用于对抗训练的脚本。
- botorch：一个模块化且易于扩展的接口，用于组合贝叶斯优化原语，包括概率模型、采集函数和优化器。
- Skorch：一个为 PyTorch 提供完全兼容 scikit-learn 的高级库。
- PyTorch Geometric：一个用于处理不规则输入数据（如图、点云和流形）的深度学习库。
- PySyft：一个用于加密、隐私保护深度学习的 Python 库。
- PennyLane：一个用于量子机器学习、自动微分以及混合量子-经典计算优化的库。
- Flair：一个非常简单且用于实现最先进自然语言处理（NLP）的框架。
什么样的项目才算优秀？
在评估加入 PyTorch 生态系统的项目时，我们会考虑一些我们认为重要且我们在使用这些项目时所期望的因素。这些标准包括：
- 经过充分测试： 用户应该确信生态系统项目能与 PyTorch 良好协作，并包含 CI 支持，以确保测试持续进行，且项目能够在最新版本的 PyTorch 上运行。
- 明确的效用： 用户应该能够理解每个项目在 PyTorch 生态系统中的定位及其带来的价值。
- 宽松的许可： 用户必须能够在没有许可顾虑的情况下使用生态系统项目。例如：BSD-3、Apache-2 和 MIT 许可证。
- 易于上手： 项目需要支持二进制安装选项（pip/Conda），提供清晰的文档和丰富的教程（最好内置在 Jupyter Notebook 中）。
- 持续维护： 项目作者需要致力于支持和维护其项目。
- 社区： 项目应拥有（或正在建立）一个活跃、广泛的社区。
如果您希望您的项目被纳入 PyTorch 生态系统并在 pytorch.org/ecosystem 上展示，请填写此表格。如果您之前提交过项目但尚未收到回复，我们承诺会尽快回复您——我们收到了大量的投稿！
用于可复现研究的 PyTorch Hub | 新模型
自 PyTorch Hub 测试版发布以来，我们收到了社区的高度关注，包括许多新模型的贡献。其中最新的一些包括：杜克大学研究人员贡献的 脑部 MRI 的 U-Net、来自 NVIDIA 的 Single Shot Detection (SSD) 以及 HuggingFace 的 Transformer-XL。
我们已经看到 paperswithcode 等机构对 PyTorch Hub 进行了有机集成，让您可以更轻松地尝试 AI 研究中的最新成果。此外，像 Seldon 这样的公司在 Kubernetes 之上为 PyTorch Hub 模型提供了生产级支持。
为 PyTorch Hub 贡献模型有什么好处？
- 兼容性： PyTorch Hub 模型会被优先列入 TorchScript 和 Cloud TPU 团队的测试队列，并作为跨多个领域研究人员的基准。
- 可见性： Hub 中的模型将在 pytorch.org 以及 paperswithcode 上得到推广。
- 易于测试和复现： 每个模型都附带代码、清晰的预处理要求以及运行所需的方法/依赖项。此外，它还与 Google Colab 紧密集成，实现了真正的“一键启动”。
欢迎贡献 PyTorch Hub！
我们正在积极扩展 PyTorch Hub，并欢迎您的贡献。您不必是原论文作者即可贡献，我们也非常乐意看到模型覆盖的领域和学科范围不断扩大。那么，我们正在寻找哪些类型的贡献呢？
- 已发表论文或 arXiv 论文的制品（或具有类似性质、服务于不同受众的内容，如 ULMFit），且这些内容是广大受众所需要的；以及
- 复现已发表的结果（或达到更好效果）。
总的来说，这些模型旨在帮助那些试图复现基准的研究人员，或试图在模型基础上进行下游研究（如特征提取或微调）的研究人员，以及寻找论文演示以进行主观评估的研究人员。贡献时请务必考虑这些目标受众。
如果您缺乏灵感，或者想了解任何领域的最先进（SOTA）技术，请查看 Paperswithcode 的 最先进技术展厅 (state-of-the-art gallery)。
PyTorch 夏季黑客马拉松
我们将于下个月举办首届 PyTorch 夏季黑客马拉松。我们诚邀您申请参加 8 月 8 日至 9 日在 Facebook 门洛帕克 (Menlo Park) 园区举办的线下黑客马拉松。我们将汇集社区力量，共同开发能够解决各种复杂挑战的创新型机器学习项目。
申请将以滚动方式进行审查和接收，额满即止。对于无法亲自参加此次黑客马拉松的朋友，我们将很快跟进其他参与方式。
请访问 此链接进行申请。
感谢您成为 PyTorch 社区的一员！
- PyTorch 团队