源数据：ImageNet LSVRC-2010，1000类，120万张训练图片、5万测试、15万验证 mini-imagenet数据：来自：https://blog.csdn.net/weixin_41803874/article/details/92068250 该数据：从mini-imagenet随机选取10类，每类随机选取100张图片，共1000张图片作为数据集 AlexNet结构 及 pytorch、tensorflow、keras、paddle实现ImageNet识别: https://blog.csdn.net/nominior/article/details/104047718

matlabd的MatConvNet中下载和使用预训练的模型imagenet-resnet-50-dag，下载自http://www.vlfeat.org/matconvnet/models/imagenet-resnet-50-dag.mat

EfficientNet PyTorch 快速开始 使用pip install efficientnet_pytorch的net_pytorch并使用以下命令加载经过预训练的EfficientNet： from efficientnet_pytorch import EfficientNet model = EfficientNet . from_pretrained ( 'efficientnet-b0' ) 更新 更新（2021年4月2日） 已发布！ 当您阅读本文时，我正在努力实现它：) 关于EfficientNetV2： EfficientNetV2是卷积网络的新家族，与以前的模型相比，它具有更快的训练速度和更好的参数效率。 为了开发该系列模型，我们将训练感知的神经体系结构搜索和缩放结合使用，以共同优化训练速度和参数效率。 从富含新操作（例如Fused-MBConv）的搜索空

包含mini版imagenet数据集和cifar100数据集，真实有效

imagenet 1000分类对应的描述，用vgg分类后的结果是数字，需要转化为相应的标签信息

用于faster-rcnn等网络训练的预训练模型文件VGG_imagenet.npy第三部分，下载全部3个文件后解压还原成VGG_imagenet.npy文件即可使用

用于faster-rcnn等网络训练的预训练模型文件VGG_imagenet.npy第二部分，下载全部3个文件后解压还原成VGG_imagenet.npy文件即可使用

用于faster-rcnn等网络训练的预训练模型文件VGG_imagenet.npy第一部分，下载全部3个文件后解压还原成VGG_imagenet.npy文件即可使用

资源实现了多种适合MNIST数据集的CNN网络，包含自己设计的DenseCNN，著名的LeNet5、AlexNet、ZFNet和VGGNet16。实验结果的可视化包含损失和准确度随迭代次数的变化。模型可下载后直接运行。

ncnn量化int所需的校准图像