在本地运行 PyTorch 或使用受支持的云平台快速入门
PyTorch 教程的新增内容
熟悉 PyTorch 的概念和模块
简洁易懂、可立即部署的 PyTorch 代码示例
通过我们引人入胜的 YouTube 教程系列掌握 PyTorch 基础知识
了解 PyTorch 生态系统中的工具和框架
加入 PyTorch 开发者社区,贡献代码、学习知识并获得问题的解答。
讨论 PyTorch 代码、问题、安装和研究
查找资源并获得问题的解答
今年的 PyTorch 大会将公布获奖者
为边缘设备构建创新且注重隐私的 AI 体验
针对移动和边缘设备提供端到端解决方案,以实现设备上的推理能力
探索文档,全面了解如何使用 PyTorch。
阅读 PyTorch 领域文档,详细了解特定领域的库。
了解最新的技术新闻和动态
来自 PyTorch 生态系统的故事
了解最新的 PyTorch 教程、新内容等
了解我们的社区如何利用 PyTorch 解决现实生活中遇到的机器学习问题
查找活动、网络研讨会和播客
详细了解 PyTorch 基金会。
探索和扩展来自最新前沿研究的模型。
HybridNets - 端到端感知网络
在 Kinetics 400 数据集上预训练的 ResNet 风格的视频分类网络
在 Kinetics 400 数据集上预训练的 SlowFast 网络
在 Kinetics 400 数据集上预训练的 X3D 网络
在 BDD100K 数据集上预训练的 YOLOP
用于从单幅图像计算相对深度的 MiDaS 模型。
使用此细粒度图像分类器对鸟类进行分类
用于从文本生成梅尔谱图的 FastPitch 模型
GPUNet 是一个全新的卷积神经网络系列,旨在最大限度地提高 NVIDIA GPU 和 TensorRT 的性能。
用于从梅尔谱图生成波形的 HiFi GAN 模型
Once-for-all (OFA) 将训练和搜索解耦,并在各种边缘设备和资源限制下实现高效推理。
音乐源分离的参考实现
一套适用于多种语言的紧凑型企业级预训练 STT 模型。
一套适用于多种语言的紧凑型企业级预训练 TTS 模型
预训练的语音活动检测器
Ultralytics YOLOv5 🚀 用于目标检测、实例分割和图像分类。
具有 ResNet-50、ResNet-101 和 MobileNet-V3 主干的 DeepLabV3 模型
用于英法和英德翻译的 Transformer 模型。
使用数十亿规模弱监督数据训练的 ResNext 模型。
用于生成 64x64 图像的简单生成图像模型
高质量的时尚、名人面部图像生成
论文“数十亿规模的半监督学习用于图像分类”中介绍的 ResNet 和 ResNext 模型
流行 NLP Transformer 的 PyTorch 实现
具有批量归一化的 U-Net,用于生物医学图像分割,并为脑部 MRI 中的异常分割提供预训练权重
EfficientNets 是一系列图像分类模型,它们在实现最先进的精度的同时,尺寸更小且速度更快......
使用张量核心以混合精度训练的 ResNet50 模型。
将瓶颈 3x3 卷积替换为 3x3 分组卷积的 ResNet,使用张量核心以混合精度训练。
添加了压缩和激励模块的 ResNeXt,使用张量核心以混合精度训练。
用于目标检测的单次多框检测器模型
用于从文本生成梅尔谱图的 Tacotron 2 模型
用于从梅尔谱图(由 Tacotron2 生成)生成语音的 WaveGlow 模型
一种鲁棒优化的 BERT 预训练方法
2012 年 ImageNet 竞赛的冠军,其前 5 错误率为 15.3%,比亚军低 10.8 个百分点。
密集卷积网络 (DenseNet),以前馈方式将每一层连接到所有其他层。
具有 ResNet-50 和 ResNet-101 主干的全卷积网络模型
通过从廉价操作生成更多特征来实现高效的网络
GoogLeNet 基于一个名为“Inception”的深度卷积神经网络架构,该架构赢得了 2014 年 ImageNet 竞赛。
在 ImageNet 上预训练的谐波密集网络
具有领域/外观不变性的网络
也称为 GoogleNetv3,一个著名的在 2015 年 ImageNet 上训练的 ConvNet
使用知识蒸馏来增强微型高效模型。
针对速度和内存进行了优化的高效网络,具有残差块
无代理地为不同的硬件平台专门定制 CNN 架构。
一种新的 ResNet 变体。
在 ImageNet 上预训练的深度残差网络
下一代 ResNets,更高效、更准确
在 ImageNet 上预训练的针对速度和内存进行了优化的高效 ConvNet
具有脉冲神经元的脑启发多层感知器
在参数少 50 倍的情况下,达到 Alexnet 级别的准确率。
来自 2014 年 ImageNet ILSVRC 挑战赛的获奖 ConvNets
宽残差网络
保持简单,使用简单的架构来超越更深层、更复杂的架构
访问 PyTorch 的全面开发者文档
获取针对初学者和高级开发者的深入教程
查找开发资源并获得问题的解答
为了分析流量和优化您的体验,我们在本网站上使用 Cookie。单击或浏览即表示您同意我们使用 Cookie。作为本网站的当前维护者,Facebook 的 Cookie 政策适用。了解更多信息,包括有关可用控制的信息: Cookie 政策.