级联分类器下载，训练模型 下载直接可用

高效Net-Lite火炬 Google的Pytorch实现。 提供imagenet预训练模型。 在EfficientNet-Lite中，所有的SE模块均被删除，所有的交换层都被ReLU6取代。 对于边缘设备，它比EfficientNet-B系列更友好。 型号详情： 模型 参量 MAdds Top1 Acc（官方） Top1 Acc（此回购） 前5名 efficiencynet-lite0 470万 407M 75.1％ 71.73％ 90.17％ efficiencynet-lite1 540万 631M 76.7％ 74.71％ 92.01％ efficiencynet-lite2 610万 899M 77.6％ 77.14％ 93.54％ efficiencynet-lite3 820万 1.44B 79.8％ 78.91％ 94.37

本软件是一个使用BP神经网络为制作模型，构建的一个二层网络学习模型，其中输入维数为2，隐层单元数为2，输出为1，模拟了与或门的学习过程。作者通过制作，使得网络最佳效果能在400次左右能收敛，使用者可以通过多次运行来观察效果。

cnn.pth 卷积神经网络训练模型 73%

cnn.pth 卷积神经网络训练模型二 66%

原版的YOLOv5的预训练模型.rar

深度估计网络FSRE-Depth预训练模型，github上放在了google

深度估计网络DNet预训练模型

猫脸目标检测：猫脸图片集+训练模型（python 和 C++）+ 运行方法。链接：https://pan.baidu.com/s/1Z0BOnXTtAFPQSg3Fb1LMrg 提取码：

darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架，其主要特点就是容易安装，没有任何依赖项（OpenCV都可以不用），移植性非常好，支持CPU与GPU两种计算方式。Darknet的优势： darknet完全由C语言实现，没有任何依赖项，当然可以使用OpenCV，但只是用其来显示图片、为了更好的可视化； darknet支持CPU（所以没有GPU也不用紧的）与GPU（CUDA/cuDNN，使用GPU当然更块更好了）； 正是因为其较为轻型，没有像TensorFlow那般强大的API，所以给我的感觉就是有另一种味道的灵活性，适合用来研究底层，可以更为方便的从底层对其进行改进与扩展