resnet18caffemodel

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]

1)获取CIFAR-10数据集2)评估ResNet算法分类准确性3)实施代码，获取实验结果4)调整ResNet参数，分析其对模型的影响

resnet152caffe

使用ResNet对图像进行分类该代码只需更改分类数和图像路径即可运行需提前下载ResNet官方训练结果的文件.

resnet1000.json

resnet50, 特征网络， Tensorflow object detection API中Demo用到

Deeper neural networks are more difficult to train. We present a residual learning framework to ease

SE-Resnet注意力机制网络搭建，包含残差网络和全连接层，特征融合构建SE-resnet网络结构

ResNet是2015年 ILSVRC 的赢家（图像分类，定位及检测），主要亮点是残差结构对于梯度消失具有重要的限制作用。文件提供了网络中不同类型的层的配置参数包括batch_size, width,

使用tensorflow写的resnet-110训练cifar10数据,以及inceptionv3的一个网络(不带数据集),DenseNet在写(后续更新)