我们利用torch.hub.load函数来加载须要的模型，其函数如下：

torch.hub.load( repo_or_dir , model , args , source = 'github' , force_reload = False , verbose = True , skip_validation = False , kwargs )参数如下：repo_or_dir ( string )如果source是 'github'，这该当对应于repo_owner/repo_name[:tag_name具有可选标签/分支格式的 github 存储库，例如 'pytorch/vision:0.10'。
如果tag_name未指定，则假定默认分支为main存在，否则为master。
如果source是“本地”，则它该当是本地目录的路径。
model ( string ) – 在 repo/dir's 中定义的可调用（入口点）的名称hubconf.py。
args（可选）– callable 的相应参数model。
source ( string , optional ) – 'github' 或 'local'。
指定如何 repo_or_dir阐明。
默认为“github”。
force_reload ( bool , optional ) – 是否无条件逼迫重新***github repo。
如果 没有任何影响 。
默认为。
source = 'local'Falseverbose ( bool , optional ) – If False，屏蔽有关命中本地缓存的。
请把稳，有关首次***的无法屏蔽。
如果 没有任何影响。
默认为。
source = 'local'Trueskip_validation ( bool , optional ) – 如果False，torchhub 将检讨github参数指定的分支或提交是否精确属于 repo 所有者。
这将向 GitHub API 发出要求；您可以通过设置GITHUB_TOKEN环境变量来指定非默认 GitHub 令牌 。
默认为False。
kwargs (可选) – callable 的相应 kwargs model。


我们利用此函数加载一个模型来查看torch.hub的代码

DCGAN 输出

import matplotlib.pyplot as pltimport torchvisionimport torchuseGpu = True if torch.cuda.is_available() else False# 加载模型model = torch.hub.load("facebookresearch/pytorch_GAN_zoo:hub", "DCGAN",pretrained=True, useGPU=useGpu)#随机天生噪声(noise, _) = model.buildNoiseData(64)with torch.no_grad():generatedImages = model.test(noise)output = torchvision.utils.make_grid(generatedImages).permute(1, 2, 0).cpu().numpy()plt.imshow(output)plt.show()

首先我们利用torch.hub.load函数来加载DCGAN的预演习模型，并利用一个噪声天生器来构建噪声，我们通过向模型输入噪声来天生随机的图像，在绘制图片前，我们须要把图片数据转换到numpy的数据，末了利用plt.imshow函数便可以天生图片

当然我们也可以利用hub来进行自己的数据演习，我们后期将进行分享。