Inception-ResNet-v2 是一个预训练模型，已经在 ImageNet 数据库的一个子集上进行了训练。 该模型在超过一百万张图像上进行了训练，共有 825 层，可以将图像分为 1000 个对象类别（例如键盘、鼠标、铅笔和许多动物）。 从您的操作系统或 MATLAB 中打开 inceptionresnetv2.mlpkginstall 文件将启动您拥有的版本的安装过程。 用法示例： net = inceptionresnetv2() 网络层情节（净） % 读取图像进行分类I = imread('peppers.png'); ％将图片裁剪为网络的输入大小sz = net.Layers(1).InputSize I = I(1:sz(1), 1:sz(2), 1:sz(3)); % 使用 Inception-ResNet-v2 对图像进行分类标签 = 分类（净，我） % 显示图像和分

COVID-CT19-挑战 这是将每个CT图像分类为阳性COVID-19（图像具有COVID-19的临床表现）或阴性COVID-19（图像不具有COVID-19的临床表现）的示例。 先决条件 需要以下依赖项： numpy的> = 1.11.1 opencv-python> = 3.3.0 tensorflow-gpu == 1.8.0 熊猫> = 0.20.1 scikit学习> = 0.17.1 下位数据集 您可以从此处下载数据集 此预印本中描述了数据集详细信息： 如果您发现此数据集和代码有用，请引用： @article {zhao2020COVID-CT-Dataset，title = {COVID-CT-Dataset：有关COVID-19的CT扫描数据集}}，作者= {Zhao，Jinyu and Zhang，Yichen and He，Xuehai and Xie，Pengtao}，journal = {arXiv预印本arXiv：2003.13865}，年份= {2020}} 如何使用 1，预处理 将源数据分为训练数据，验证数据，测试数据。 增强训练数据 将所

Basic_CNNs_TensorFlow2 一些基本CNN的tensorflow2实现。 包括的网络： MobileNet_V1 MobileNet_V2 SE_ResNet_50，SE_ResNet_101，SE_ResNet_152，SE_ResNeXt_50，SE_ResNeXt_101 挤压网 ShuffleNetV2 RegNet 其他网络 对于AlexNet和VGG，请参见： : 对于InceptionV3，请参见： : 对于ResNet，请参阅： : 培养 要求： Python> = 3.6 Tensorflow> = 2.4.0 tensorfl

caffe常用网络模型权重文件和定义文件（alex, vgg, googlenet, resnet）-附件资源

ResNet-18 Pre-trained Model for PyTorch. ResNet-18 PyTorch的预训练模型 ResNet-18_datasets.txt

知识蒸馏TPU 使用ResNet和简单的ConvNet进行的卫星图像分类器知识蒸馏。 这些模型在TPU上进行了训练。

Inception-resnet-v2的caffe版本训练相关包括：solver.prototxt，trainval.prototxt，对应预训练模型：inception-resnet-v2.caffemodel

在GitHub上下不下来，然后用校园网下的，传上来，给大家方便。

CIFAR-10 使用VGG-16，Resnet和Inception net，模型对CIFAR-10数据集的图像进行分类，以对不同的对象（例如汽车，狗等）进行分类。

多尺度一维ResNet 这是我们的变型，但它是一种超轻加权分类网络用于与1D卷积操作，其中1D与时间轴沿内核扫描时间串行数据。 多刻度设置受Inception启发，我们发现它很有用。 经过测试的环境 python 3.6 火炬0.4.1 CUDA 8.0 / 9.0 Windows7 / Ubuntu 16.04