随机加权平均（SWA） PyTorch 1.6现在支持随机加权平均（SWA）！ 该存储库包含在对DNN使用SWA训练方法的实现的 。 此PyTorch的代码改编自原始的PyTorch。 请参阅新的PyTorch博客文章，以获取有关SWA和torch.optim实现的更多详细信息。 该文件提出了SWA （UAI 2018） 作者：Pavel Izmailov、Dmitrii Podoprikhin、Timur Garipov、Dmitry Vetrov 和 Andrew Gordon Wilson。 介绍 SWA是一种简单的DNN训练方法，可以用作SGD的直接替代方法，具有改进的泛化，更快的收敛性，并且基本上没有开销。 SWA的关键思想是使用修改后的学习率计划对SGD生成的多个样本求平均。 我们使用恒定或周期性的学习速率计划，这会使SGD探索权重空间中与高性能网络相对应的点集。 我们观

梦想之力 适用于Windows，Linux和Mac 。 下载 关于 DreamPower是一个分支，该可生成更好的假，并为您提供命令行界面。 它由多种算法组成，这些算法共同从照片中创建出伪造的裸照。 如果您没有使用命令行应用程序的经验，则可以下载 ，它为您提供了友好的用户界面。 特征 梦想之力 深裸体 多平台 :check_mark: :cross_mark: 命令行界面 :check_mark: :cross_mark: NVIDIA GPU支持 :check_mark: :cross_mark: 多线程 :check_mark: :cross_mark: 自动秤 :check_mark: :cross_mark: GIF支持 :check_mark: :cross_mark: 影片支援 :check_mark: :cross_mark: 身体定制 :check_mark: :cross_mark: 守护进程 :check_mark: :cross_mark: 定制口罩 :check_mark: :c

火炬波网 Google DeepMind Wavenet模型（一种生成的音频NN模型）的PyTorch实现。 DeepMind纸。

jetson系列的pytorch gpu版本 预编译版本 1.1.0 安装方式 pip install torch-1.1.0-cp36-cp36m-linux_aarch64.whl

PyTorch v1.2.0 https://devtalk.nvidia.com/default/topic/1049071/jetson-nano/pytorch-for-jetson-nano/ wget https://nvidia.box.com/shared/static/8gcxrmcc6q4oc7xsoybk5wb26rkwugme.whl -O torch-1.2.0a0+8554416-cp27-cp27mu-linux_aarch64.whl pip install torch-1.2.0a0+8554416-cp27-cp27mu-linux_aarch64.whl

torchvision-0.7.0-py37_cu102.tar.bz2，用于anaconda离线安装

jetson nx 编译torchvison

cuda cudnn torch torchvision

torch-1.6.0rc2-cp36-cp36m-linux_aarch64.whl

pytorch 1.4.0 for python3.7 官方windows64位版本 pip安装