自己写的BEGAN（Boundary Equilibrium GenerativeAdversarial Networks）的pyTorch实现. 有错误可以联系我改正。

这是一个简单的应用LSTM在Pytorch文本分类任务上，使用贝叶斯优化超参数调优。 【配置】 可以在src/constants.py文件中设置各种超参数。 每个变量的说明如下。 注意，对于贝叶斯优化，要调优的超参数应该以元组的形式传递。 你可以将参数设置为一个元组或一个特定的值。 前者意味着该论证将被纳入贝叶斯优化的主题，而后者意味着它不应被纳入。 【操作运行】 参考代码中的项目说明文件，按照说明一步步操作

CDial GPT 本项目提供了一个大规模中文对话数据集，并提供了在此数据集上的中文对话预训练模型（中文GPT模型），更多信息可参考我们的。 本项目代码修改自 ，使用了HuggingFace Pytorch版的库，可用于预训练与微调。 目录 消息 2021-02-28：一个，欢迎大家提bug和加速优化算法，以及新的清洗功能等等。 2021-01-09：实验室出版新书 ，欢迎大家阅读购买。 2020-11-20：预训练模型新工作 。本工作将词级的语言学知识（包括词性和词的情感极性）。表示模型SentiLARE，欢迎大家使用。 2020-10-18：我们的论文《大规模中文短文本对话数据集》获得了NLPCC2020最佳学生论文奖。 :party_popper: :party_popper: :party_popper: 2020-09-08：感谢所提供的。 2020-09-02：可用加载，感谢苏剑林提供代码。 我们所提供的数据集LCCC（大规模汉语清洁会话

COCO LM预训练（WIP） 在Pytorch中实现 ，纠正和对比文本序列以进行语言模型预训练。 他们能够以自我监督的方式进行对比学习，以进行语言模型预训练。 似乎是Electra的坚实后继者。 安装 $ pip install coco-lm-pytorch 用法 使用x-transformers库的示例 $ pip install x-transformers 然后 import torch from torch import nn from x_transformers import TransformerWrapper , Encoder from coco_lm_pytorch import COCO # (1) instantiate the generator and discriminator, making sure that the generator is ro

Xftp和Xshell+pytorch的Ubantu版本

在PyTorch中使用VQ-VAE-2生成多种高保真图像的实现

torch-geometric 1.6.1在安装使用过程中，必要的四个安装包，torch-cluster、pytorch-scatter、torch-sparse、pytorch-spline-conv，均为whl文件。

内容包含详细注释 代码中有数据集的下载程序: 人工构造简单二分类数据集，两个数据集大小为100，样本特征维度为2，且分别服从均值互为相反数且方差相同的正态分布。两个数据集的样本标签分别为0和1。 Fashion-MNIST数据集，该数据集为一个多类图像分类数据集，包含60000个训练图像样本，10000个测试图像样本。每个样本的数据格式为28*28*1。共10类：dress（连⾐裙）、coat（外套）、 代码内容包括： PyTorch基本操作实验； Torch.nn实现Logistic回归实验、softmax回归实验、实现前馈神经网络（多分类、二分类、回归）； 手动实现Logistic回归实验、softmax回归实验、实现前馈神经网络（多分类、二分类、回归）； 多分类实验torch.nn实现Dropout和多分类实验torch.optim实现L2范数正则化； 对多分类任务中的模型评估隐藏层层数和隐藏单元个数对实验结果的影响；

包含训练代码、预测代码、数据划分代码、网络代码等，采用pytorch框架所写。 代码中包含3D卷积神经网络和支持向量机（SVM）、随机森林（RF）、K最邻近（KNN）这三个机器学习算法。可以随意组合为3DCNN-SVM、3DCNN-RF、3DCNN-KNN。代码清晰，便于理解。也可单独训练3DCNN或者机器学习。

Axial-DeepLab（ECCV 2020，聚光灯） 这是正在进行的PyTorch重新实现。重新实现主要是由一位了不起的高中生。 @inproceedings { wang2020axial , title = { Axial-DeepLab: Stand-Alone Axial-Attention for Panoptic Segmentation } , author = { Wang, Huiyu and Zhu, Yukun and Green, Bradley and Adam, Hartwig and Yuille, Alan and Chen, Liang-Chieh } , booktitle = { European Conference on Computer Vision (ECCV) } , year = { 2020 } } 当前，仅支持使用