在 PyTorch Hub 中，图灵奖得主 Yann LeCun 强烈推荐了一个简单的 API 和工作流程，它包含计算机视觉、自然语言处理领域的诸多经典模型的聚合中心，为机器学习研究的复现提供了基础的构建模块。无论是 ResNet、BERT、GPT、VGG、PGAN，还是 MobileNet 等经典模型，只需输入一行代码，就能实现一键调用。
关于 PyTorch Hub 的可复现性是一个基本要求，包括基于机器学习技术的研究领域。然而，许多机器学习出版物要么不可复现，要么难以复现。随着研究出版物数量的持续增长，包括目前在 arXiv 上的数万份论文以及历史大会投稿，研究的可复现性比以往重要得多。
PyTorch 团队推出了 PyTorch Hub：一个简单的 API 和工作流程，为机器学习研究提供了基础构建模块。这由一个经过预先训练模型存储库组成，用于协助进行新的研究，并内置支持 Colab，以及集成 Papers With Code 网站。
发布者可以通过添加一个简单文件 hubconf.py 发布预训练模型到 GitHub 存储库。这提供了所支持模型和运行所需依赖项列表。在 torchvision, huggingface-bert 和 gan-model-zoo 存储库中可以找到示例。
最简单案例是在 torchvision 中，每个模型文件都可以独立执行，不需要除 PyTorch 以外其他包，无需单独入口，因为创建后即可无缝提取使用，将包依赖最小化，以减少用户导入时出现的问题。
HuggingFace's BERT 模型则需要创建每个模型入口，这些入口可以作为复杂模型包装，他们可以提供注释文档或其他帮助函数，有支持下载预训练权重功能，或有其他特定功能，如可视化。
有了 hubconf.py 研究者就可以向 PyTorch Hub 的 GitHub 页发送拉取请求。如果符合高质量易复原且有益要求，该模式将很快出现在官方网页上供所有用户浏览，但如果质量较低也可能被拒绝发布。但只要被接受，该模式将很快出现在官方网页上供所有用户浏览。
