火炬闪电模板 Pytorch-Lightning是一个很好的库，或者说是Pytorch的抽象和包装。它的好处是可替代性强，易维护，逻辑清晰等。缺点也很明显，这个包需要学习和理解的内容还是如果直接按照官方的模板写的代码，小型项目还好，如果是大型项目，有复数个需要调试验证的模型和数据集，那就不太好办，甚至更加麻烦了。经过几天的摸索和调试，我总结出了下面这样一套好的用的模板，也可以说是对Pytorch-Lightning的进一步摘要。 欢迎大家尝试这一套代码风格，如果用习惯的话还是相当方便替代的，也不

火炬灯笼模板 用于项目模板。 用法 安装和： pip install cookiecutter curl -sSL https://raw.githubusercontent.com/python-poetry/poetry/master/get-poetry.py | python 设置项目： cookiecutter https://github.com/aiwizo/pytorch-lantern-template.git cd poetry install 代码结构 新初始化的项目

ONSSEN：开源语音分离和增强库 Onssen，发音为温泉，是一个基于PyTorch的库，用于语音分离，语音增强或语音样式转换。 发展计划： 提供用于数据，模型和评估的模板类 将模型移到单独的文件夹（即Kaldi样式） 重现分数并上传预训练的模型 在线分离的完成推断方法 2020-04-20更新： 添加深度聚类的评估方法 在深度聚类中使用W_ {MR}权重 小改动 支持机型 深度聚类 奇美拉网 嵌合体++ 相位估算网络 带有恢复层的语音增强 支持的数据集 Wsj0-2mix（ ）

火炬模板

mnist分类 使用多种方法完成MNIST分类任务 Python 3.6 火炬1.0 Scikit学习0.21 无需下载数据直接跑，代码自动下载 模型 逻辑回归Logistic回归 多层感知机 K近邻KNN 支持向量机 卷积神经网络 循环神经网络 实验报告 见mnistClassification.pdf 对应的latex原始码： :