Torch Hub 简介在计算机科学中，许多人认为研究和生产之间的桥梁中的一个关键难题是可重复性。基于这个概念，PyTorch 引入了 Torch Hub，这是一个应用程序可编程接口 (API)，它允许两个程序相互交互并增强工作流程，以便于研究可重复性。Torch Hub 允许发布预先训练的模型，以帮助实现研究共享和可重复性。Torch Hub 已经为各种任务托管了一系列模型，目前为止一共47个研究模型.
我们使用torch.hub.load函数来加载需要的模型，其函数如下：
torch.hub.load( repo_or_dir , model , * args , source = &39; , force_reload = False , verbose = True , skip_validation = False , ** kwargs ) 参数如下： repo_or_dir ( string ) 如果source是 &39;，这应该对应于repo_owner/repo_name[:tag_name 具有可选标签/分支格式的 github 存储库， 例如 &39;。如果tag_name未指定， 则假定默认分支为main存在，否则为master。 如果source是“本地”，则它应该是本地目录的路径。 model ( string ) – 在 repo/dir&39;github&39;local&39;local&39;local& 加载模型 model = torch.hub.load(&34;, &34;, pretrained=True, useGPU=useGpu) #随机生成噪声 (noise, _) = model.buildNoiseData(64) with torch.no_grad(): generatedImages = model.test(noise) output = torchvision.utils.make_grid(generatedImages).permute( 1, 2, 0).cpu().numpy() plt.imshow(output) plt.show()首先我们使用torch.hub.load函数来加载DCGAN的预训练模型，并使用一个噪声生成器来构建噪声，我们通过向模型输入噪声来生成随机的图像，在绘制图片前，我们需要把图片数据转换到numpy的数据，最后使用plt.imshow函数便可以生成图片
当然我们也可以使用hub来进行自己的数据训练，我们后期将进行分享。
本站所发布的文字与图片素材为非商业目的改编或整理，版权归原作者所有，如侵权或涉及违法，请联系我们删除
热门信息
阅读 ()
1 注册微信号怎么注册第二个阅读 ()
2 怎么把照片变成卡通头像阅读 ()
3 手机越充越少电怎么解决