我们很高兴推出全新的 PyTorch Landscape。这个 PyTorch Landscape 旨在帮助研究人员、开发人员和组织轻松找到增强 PyTorch 核心框架的实用、精选的社区构建工具。
Landscape 提供什么
Landscape 将项目在视觉上组织成三个类别——建模、训练和优化——使查找相关框架、库和项目变得容易。用户可以快速找到用于各种用例的精选、有价值的工具，以补充 PyTorch 框架。Landscape 中的每个工具都经过 PyTorch 项目专家的审查和验证。Landscape 中的项目被认为是成熟且健康的，并提供有价值的功能，以在其各自的领域补充 PyTorch 框架。
探索 AI Landscape
Explore（探索）页面展示了平台、工具和库，每个都带有徽标、描述以及指向 GitHub 和更多详细信息的链接。这种分类的视觉方法简化了发现过程，并提供了对基本技术的快速访问。
指南页面：深入了解
为了获得更深入的见解，Guide（指南）页面详细介绍了每个项目，重点介绍了塑造 AI 开发的方法论和趋势，从对抗鲁棒性到自监督学习。每个项目还提供项目统计数据，包括星标数、贡献者、提交历史、使用的语言、许可证以及其他有价值的指标，这些指标提供了对项目的深入了解以及如何使用它们。
跟踪 AI 的增长：Stats 页面
Stats（统计）页面提供了对 AI 开发趋势的见解，跟踪存储库活动、编程语言和行业资金数据。
- 存储库：117 个存储库，20.5k 名贡献者，797.2k 颗星，代码量达 815MB。
- 开发趋势：过去一年每周的提交活动。
- 许可证细分：存储库按许可证类型分类。
- 资金与收购：深入了解投资趋势，包括融资轮和收购。
为什么使用 PyTorch Landscape？
寻找补充 PyTorch 核心系统的有用且高质量的开源项目可能会让人不知所措。PyTorch Landscape 提供了一种清晰、易于访问的方式来探索社区构建的工具生态系统，无论您是在研究、构建模型还是制定战略决策。
立即使用 PyTorch Landscape 保持领先——您的 PyTorch 生态系统指南。
想为 PyTorch Landscape 贡献项目？
您是否构建了一个有用的开源工具并希望与 PyTorch 社区分享？那么通过贡献您的工具来帮助我们发展生态系统！您可以在此处找到申请说明。我们欢迎来自社区的所有贡献！