本资源与本人CSDN文章《全站最详细的Python numpy 搭建全连接神经网络模型教程（理论计算+代码实现）（不止能预测手写数字数据，准确率93.21%）》相配套。里面包含6万条原始手写数据、本人编写的全连接神经网络模型程序，以及一个训练好的准确率为93.21%的全连接神经网络模型。程序的调用建议参考文章的说明。

MobileNet V2的PyTorch实施 + Release of next generation of MobileNet in my repo *mobilenetv3.pytorch* + Release of advanced design of MobileNetV2 in my repo *HBONet* [ICCV 2019] + Release of better pre-trained model. See below for details. 如Mark Sandler，Andrew Howard，Menglong Zhu，Andrey Zhmoginov和Liang-Chieh Chen所讲的，使用框架对ILSVRC2012基准进行了。 此实现提供了一个示例过程，用于训练和验证任何流行的深度神经网络体系结构，并集成了模块化数据处理，训练，日志记录和可视化。

本压缩包对应文章“机器学习实验二图像分类（Part two: 5类常见物体分类）”的数据集和训练出的模型文件，数据集来源于姜老师，上传仅为了保存方便后续学习，请勿做商业用途。

YOLOv5口罩检测训练好的模型，配置好环境后可以直接运行，几千张数据训练了150轮得到的权重文件，mAP达到了90%多，PR曲线等图保存在runs文件夹中 ，配置好YOLOv5的环境就可以直接 运行 数据集和检测结果：https://blog.csdn.net/zhiqingAI/article/details/124230743

已经配置好了预训练模型和训练好的模型 已经配置好了下载为鸟类预处理的元数据 除了没有CUB-birds的图像数据集，其他文件都已经下载并配置好了。 AttnGAN: Fine-Grained TexttoImage Generation with Attention（带有注意的生成对抗网络细化文本到图像生成）的代码复现 下载后需要安装环境 >pip install python-dateutil > pip install easydict > pip install pandas > pip install torchfile nltk > pip install scikit-image 可能需要额外安装的环境，根据提示进行补充： > pip install torchvision

caffe c++实战：通过训练好的模型对人脸图像进行特征提取（单张图像）................

主要介绍了使用Keras预训练好的模型进行目标类别预测详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

背景 在公司用多卡训练模型，得到权值文件后保存，然后回到实验室，没有多卡的环境，用单卡训练，加载模型时出错，因为单卡机器上，没有使用DataParallel来加载模型，所以会出现加载错误。 原因 DataParallel包装的模型在保存时，权值参数前面会带有module字符，然而自己在单卡环境下，没有用DataParallel包装的模型权值参数不带module。本质上保存的权值文件是一个有序字典。 解决方法 1.在单卡环境下，用DataParallel包装模型。 2.自己重写Load函数，灵活。 from collections import OrderedDict def myOwnLoa

CLIP-口袋妖怪 微型项目＃1，类别为“具有多个任务的深度学习”。 该项目的目标是创建口袋妖怪的数据集，并使用预先训练的CLIP模型对口袋妖怪的类型进行分类。 数据集应从下载并放入文件夹data / images

Retinaface：人脸检测模型在Pytorch当中的实现 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 Easy Medium Hard Widerface-Train Retinaface_mobilenet0.25.pth Widerface-Val 1280x1280 89.76% 86.96% 74.69% Widerface-Train Retinaface_resnet50.pth Widerface-Val 1280x1280 94.72% 93.13% 84.48% 注意事项 本库下载过来可以直接进行预测，已经在model_data文件夹下存放了Retinaface_mobilenet0.25.pth文件，可用于预测。 如果想要使用基于resnet50的retinaface请下载Retinaface_resnet50.pth进行预测。 所需环境 p