一个包含计算机视觉、自然语言处理领域的诸多经典模型的聚合中心。这年头有很多 Hub，什么 GitHub、SciHub、xxxxHub 等等，但是最近图灵奖得主 Yann LeCun 强推的 PyTorch-Hub。无论是 ResNet、BERT、GPT、VGG、PGAN 还是 MobileNet 等经典模型，只需输入一行代码，都能实现一键调用！妈妈再也不用担心你的模型啦！示例代码： ``` 1、查询可用的模型 用户可以使用 torch.hub.list() 这个API列出 repo 中所有可用的入口点。 比如你想知道 PyTorch Hub 中有哪些可用的计算机视觉模型： >>> torch.hub.list(‘pytorch/vision’) >>> [‘alexnet’, ‘deeplabv3_resnet101’, ‘densenet121’, … ‘vgg16’, ‘vgg16_bn’, ‘vgg19’, ‘vgg19_bn’] 2、加载模型 在上一步中能看到所有可用的计算机视觉模型，如果想调用其中的一个，也不必安装，只需一句话就能加载模型。 model = torch.hub.load(‘pytorch/vision’, ‘deeplabv3_resnet101’, pretrained=True) 至于如何获得此模型的详细帮助信息，可以使用下面的 API： print(torch.hub.help(‘pytorch/vision’, ‘deeplabv3_resnet101’)) 如果模型的发布者后续加入错误修复和性能改进，用户也可以非常简单地获取更新，确保自己用到的是最新版本： model = torch.hub.load(…, force_reload=True) 对于另外一部分用户来说，稳定性更加重要，他们有时候需要调用特定分支的代码。 例如 pytorch_GAN_zoo 的 hub 分支： model = torch.hub.load(‘facebookresearch/pytorch_GAN_zoo:hub’, ‘DCGAN’, pretrained=True, useGPU=False) 3、查看模型可用方法 从 PyTorch Hub 加载模型后，你可以用 dir 查看模型的所有可用方法。以 bertForMaskedLM 模型为例： >>> dir(model) >>> [‘forward’ … ‘to’ ‘state_dict’, ] 如果你对forward方法感兴趣，使用 help 了解运行运行该方法所需的参数。 >>> help(model.forward) >>> Help on method forward in module pytorch_pretrained_bert.modeling: forward(input_ids, token_type_ids=None, attention_mask=None, masked_lm_labels=None) … ```