Python 伪三维残差网络P3D的pytorch版本支持预训练模型

ResNet网络结构模块，可直接使用，返回值一个是loss用于损失值优化，第二个softmax输出的是预测值用于测试

当Microsoft Research发布用于图像识别的深度残差学习时,深度残差网络席卷了深度学习领域。这些网络在ImageNet和COCO 2015竞赛的所有五个主要赛道中均获得了第一名的入围作品,

vs项目，代码难度并不是很高，使用TensorFlow原生的代码，不过是本人毕设的一套代码，读取文件夹的文件的图片为批次，然后使用批次调用深度残差网络进行训练，并进行保存。压缩包里包含了测试代码，因为

facenet最新的预训练模型20180408-102900，从谷歌云盘直接搬运过来的！

包含yolo-voc与tiny-yolo-voc预训练模型(初始权值)，darknet.conv.weights和darknet19_448.conv.23

vgg_imagenet.npyvggnet_fast_rcnn_iter_7000.ckpt因为github指示地址需要翻墙，我保存在百度网盘上的

国内无法下载的Deformable-ConvNets预训练模型resnet_v1_101-0000

cyclegan预训练模型,拿到测试集即可进行cyclegan的风格转换

Store the head detection model in checkpoints/ folder.

https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation,下载自官方模型。