Facebook官方博客表示，PyTorch Hub是一個簡易API和工作流程，爲復現研究提供了基本構建模塊，包含預訓練模型庫。並且，PyTorch Hub還支持Colab，能與論文代碼結合網站Papers With Code集成，用於更廣泛的研究。發佈首日已有18個模型“入駐”，獲得英偉達官方力挺。而且Facebook還鼓勵論文發佈者把自己的模型發佈到這裏來，讓PyTorch Hub越來越強大。
torch.hub
PyTorch Hub中提供的模型也支持Colab。進入每個模型的介紹頁面後，你不僅可以看到GitHub代碼頁的入口，甚至可以一鍵進入Colab運行模型Demo。
爲了調用各種經典機器學習模型，今後你不必重複造輪子了。
剛剛，Facebook宣佈推出PyTorch Hub，一個包含計算機視覺、自然語言處理領域的諸多經典模型的聚合中心，讓你調用起來更方便。
有多方便？
圖靈獎得主Yann LeCun強烈推薦，無論是ResNet、BERT、GPT、VGG、PGAN還是MobileNet等經典模型，只需輸入一行代碼，就能實現一鍵調用。
PyTorch Hub的使用簡單到不能再簡單，不需要下載模型，只用了一個torch.hub.load()就完成了對圖像分類模型AlexNet的調用。
import torch
model = torch.hub.load('pytorch/vision', 'alexnet', pretrained=True)
model.eval()
PyTorch Hub允許用戶對已發佈的模型執行以下操作：
1、查詢可用的模型;
2、加載模型;
3、查詢模型中可用的方法。
下面讓我們來看看每個應用的實例。
1、查詢可用的模型
用戶可以使用torch.hub.list()這個API列出repo中所有可用的入口點。比如你想知道PyTorch Hub中有哪些可用的計算機視覺模型：
torch.hub.list('pytorch/vision')
['alexnet',
'deeplabv3_resnet101',
'densenet121',
...
'vgg16',
'vgg16_bn',
'vgg19',
'vgg19_bn']
2、加載模型
在上一步中能看到所有可用的計算機視覺模型，如果想調用其中的一個，也不必安裝，只需一句話就能加載模型。
model = torch.hub.load('pytorch/vision', 'deeplabv3_resnet101', pretrained=True)
至於如何獲得此模型的詳細幫助信息，可以使用下面的API：
print(torch.hub.help('pytorch/vision', 'deeplabv3_resnet101'))
如果模型的發佈者後續加入錯誤修復和性能改進，用戶也可以非常簡單地獲取更新，確保自己用到的是最新版本:
model = torch.hub.load(..., force_reload=True)
對於另外一部分用戶來說，穩定性更加重要，他們有時候需要調用特定分支的代碼。例如pytorch_GAN_zoo的hub分支:
model = torch.hub.load('facebookresearch/pytorch_GAN_zoo:hub', 'DCGAN', pretrained=True)
3、查看模型可用方法
從PyTorch Hub加載模型後，你可以用dir(model)查看模型的所有可用方法。以bertForMaskedLM模型爲例：
dir(model)
['forward'
...
'to'
'state_dict',
]
如果你對forward方法感興趣，使用help(model.forward) 瞭解運行運行該方法所需的參數:
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)