近日，Facebook PyTorch 團隊推出了全新 API PyTorch Hub，提供模型的基本構建模塊，用于提高機器學習研究的模型復現性。PyTorch Hub 包含一個經過預訓練的模型庫，內置對Colab的支持，而且能夠與Papers With Code集成。另外重要的一點是，它的整個工作流程大大簡化。

簡化到什么程度呢？Facebook 首席 AI 科學家Yann LeCun 兼圖靈獎圖靈獎得主Yann LeCun發表 Twitter強烈推薦，使用PyTorch Hub，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。

Twitter 一發，立刻引來眾多網友評論點贊，并有網友表示希望看到PyTorch Hub 與TensorFlow Hub的區別。

這個模型聚合中心到底如何呢？我們來一探究竟。

模型復現是許多領域的基本要求，尤其是在與機器學習相關的鄰域中。然而，許多機器學習相關的出版物，要么不可復現，要么難以復現。隨著出版物數量的不斷增長（包括在 arXiv 上發表的成數萬篇論文，以及會議提交的大量論文），模型復現比以往任何時候都更加重要。雖然這些出版物大多數都包含代碼和訓練好的模型，但如果用戶想復現這些模型，還需要做大量的額外的工作。

今天，我們很榮幸地宣布推出 PyTorch Hub，它是一個非常簡單的API，并且具有極其簡單的工作流程。它提供模型的基本構建模塊，用于提高機器學習研究的模型復現性。PyTorch Hub 包含一個經過預訓練的模型庫，專門用于促進研究的可重復性和快速開展新的研究。PyTorch Hub 內置了對 Colab的 支持，并且能夠與 Papers With Code 集成。目前 PyTorch Hub 已包含一系列廣泛的模型，包括分類器和分割器、生成器、變換器等。