Paper-Implementations

收录理由

这份代码库用 PyTorch 把一批经典深度学习论文重新实现了一遍，规模不大，读起来很轻松，适合当学习资料，而不是拿来直接部署。每个文件夹都把一个知名想法变成了能跑的代码：有在 MNIST 上训练的 CNN 变体，比如 Network in Network 和 ResNet18；有生成模型，包括 DCGAN、pix2pix、CycleGAN 和 VAE；还有好几种神经风格迁移的做法，以及一个字符级的 RNN。对于想弄明白论文里的数学公式怎么变成实际张量和训练循环的学生或工程师来说，把这些例子放在一起，很容易对比不同架构，看出它们之间的差别。代码刻意写得短小、自包含，拿来当实验起点或者改造成一个精简的参考实现都很方便。它不是一个持续维护的框架，但作为学习经典计算机视觉和生成模型的伴读材料，到今天依然有参考价值。