resnet101.caffemodel

resnet1000.json

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)

resnet152.prototxt 和 resnet152.caffemodel 来源:https://github.com/KaimingHe/deep-residual-networks中提供的

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

来自download.pytorch.org/models,resnet152(pretrained=True)

利用resnet18预训练模型训练自己的数据集,代码包括了模型训练和利用新模型对数据进行分类的代码。

简单的Cifar10数据集 pytorch 框架训练代码 使用简单的ResNet-18 进行训练 代码附有详细注释,一看就懂 修改代码,补充上自己的CiFar10数据集位置,就可以直接运行