近日，F(xiàn)acebook PyTorch 團(tuán)隊(duì)推出了全新 API PyTorch Hub，提供模型的基本構(gòu)建模塊，用于提高機(jī)器學(xué)習(xí)研究的模型復(fù)現(xiàn)性。PyTorch Hub 包含一個(gè)經(jīng)過(guò)預(yù)訓(xùn)練的模型庫(kù)，內(nèi)置對(duì)Colab的支持，而且能夠與Papers With Code集成。另外重要的一點(diǎn)是，它的整個(gè)工作流程大大簡(jiǎn)化。

簡(jiǎn)化到什么程度呢？Facebook 首席 AI 科學(xué)家Yann LeCun 兼圖靈獎(jiǎng)圖靈獎(jiǎng)得主Yann LeCun發(fā)表 Twitter強(qiáng)烈推薦，使用PyTorch Hub，無(wú)論是ResNet、BERT、GPT、VGG、PGAN 還是 MobileNet 等經(jīng)典模型，只需輸入一行代碼，就能實(shí)現(xiàn)一鍵調(diào)用。

Twitter 一發(fā)，立刻引來(lái)眾多網(wǎng)友評(píng)論點(diǎn)贊，并有網(wǎng)友表示希望看到PyTorch Hub 與TensorFlow Hub的區(qū)別。

這個(gè)模型聚合中心到底如何呢？我們來(lái)一探究竟。

模型復(fù)現(xiàn)是許多領(lǐng)域的基本要求，尤其是在與機(jī)器學(xué)習(xí)相關(guān)的鄰域中。然而，許多機(jī)器學(xué)習(xí)相關(guān)的出版物，要么不可復(fù)現(xiàn)，要么難以復(fù)現(xiàn)。隨著出版物數(shù)量的不斷增長(zhǎng)（包括在 arXiv 上發(fā)表的成數(shù)萬(wàn)篇論文，以及會(huì)議提交的大量論文），模型復(fù)現(xiàn)比以往任何時(shí)候都更加重要。雖然這些出版物大多數(shù)都包含代碼和訓(xùn)練好的模型，但如果用戶(hù)想復(fù)現(xiàn)這些模型，還需要做大量的額外的工作。

今天，我們很榮幸地宣布推出 PyTorch Hub，它是一個(gè)非常簡(jiǎn)單的API，并且具有極其簡(jiǎn)單的工作流程。它提供模型的基本構(gòu)建模塊，用于提高機(jī)器學(xué)習(xí)研究的模型復(fù)現(xiàn)性。PyTorch Hub 包含一個(gè)經(jīng)過(guò)預(yù)訓(xùn)練的模型庫(kù)，專(zhuān)門(mén)用于促進(jìn)研究的可重復(fù)性和快速開(kāi)展新的研究。PyTorch Hub 內(nèi)置了對(duì) Colab的 支持，并且能夠與 Papers With Code 集成。目前 PyTorch Hub 已包含一系列廣泛的模型，包括分類(lèi)器和分割器、生成器、變換器等。