resnet50testingdataset

cifar_10训练的resnet_pytorch模型,具体精度参照https://github.com/huyvnphan/PyTorch_CIFAR10

来自download.pytorch.org/models,resnet101(pretrained=True)

Inception_resnet,预训练模型,适合Keras库,包括有notop的和无notop的。CSDN上传最大只能480M,后续的模型将陆续上传,GitHub限速,搬的好累,搬了好几天。放到CS

MATLAB工具包DEEPLEARNINGTOOLBOX(一) DeepLearningToolbox提供了一个用于通过算法、预训练模型和应用程序来设计和实现深度神经网络的框架。我们可以使用卷积神经

resnet18.caffemodel卷积神经网络RESNET18模型，网上找了很久没有找到，只有百度云盘下载，比较麻烦，于是上传到csdn

resnet101.prototxt和resnet101.caffemodel来源：https://github.com/KaimingHe/deep-residual-networks中提供的One

这个不是贫僧自己训练的，而是作者给出的模型！其实如果可以翻越长城的话建议自己去作者给出的onedrive（https://onedrive.live.com/?authkey=!AAFW2-FVoxe

resnet各种预训练模型，forMXNet框架使用。fasterrcnn中使用demo测试resnet网络。50

完整工程案例：深度学习Tensorflow图像语义分割（ImageSegmentation）DeepLab基于ResNet101模型（tensorflow1.1以上、python3.5及以上）

VGGNet和GoogLeNet等网络都表明有足够的深度是模型表现良好的前提，但是在网络深度增加到一定程度时，更深的网络意味着更高的训练误差。误差升高的原因是网络越深，梯度弥散[还有梯度爆炸的可能性]