ResNet50model.keras.h5

直接下载通过调用里面参数及模型结构就可以快速训练好模型,帮助你节省时间!

ImageNetpre-trainedResNet-50的caffemodel来源：https://github.com/KaimingHe/deep-residual-networks中提供的One

官方例子，深度学习专用，机器学习专用，代码简单，一看就会(keras resnet 50 finetune)

ResNet系列模型文件：ResNet_50_train_val.prototxt、ResNet_101_train_val.prototxt、ResNet_152_train_val.prototx

maskrcnn训练模型，github下载太慢，这里提供给大家下载;

内包含ResNet50网络模型,模型预训练参数(.h5文件,基于tf2),以及一项使用tf2实现的对ResNet50的网络结构和预训练参数的分开调用。

resnet50_weights_tf_dim_ordering_tf_kernels.h5 Linux下是放在“~/.keras/models/”中 Win下则放在Python的“settings/

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]

resnet-50:ResNet-50的回购

人脸表情识别模型（keras的模型加载，先将json类型重构为model结构）