SSD预训练权重文件 。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

来自官网的yolov3-spp权重文件 分享给大家 可以快速下载 避免下载等待时间过长

文件包括数据集，运行结果，权重文件，检查点文件，源代码，执行fashion_sequential_model文件可运行。注意我用TensorFlow2.1编写。修改路径即可运行，还有10张图片，你可以调试程序测试预测效果。可以参考中国慕课TensorFlow笔记，北大课程学习。

python convert.py yolov3.cfg yolov3.weights model_data/yolo.h5 该条指令需要的两个文件

残差网络50层模型，可用于图像分类，图像检索，训练数据来自ImageNet。从github上下载网速太慢，很难下载下来，我还是用公司服务器好不容易才下载下来的，亲测可用，发上来赚点资源积分自己用，请支持

yolov2-tiny 权重，可直接使用， ./darknet cfg/yolov2-tiny.cfg yolov2-tiny.weights data/dog.jpg

spec cpu2006中的simulation points and weights.

yolo_weights.h5

github上的YOLOV5更新较快，只有配合yaml配置文件的weight才能使用。文件中的权重和配置文件为20200706的，亲测可用。 YOLOv5速度比前代更快，在运行Tesla P100的YOLOv5 Colab笔记本中，每个图像的推理时间快至0.007秒，意味着每秒140帧（FPS）！ YOLOv5体积小，YOLOv5 s的权重文件为27MB。YOLOv4（Darknet架构）的权重文件为244MB。YOLOv5比YOLOv4小近90％。这意味着YOLOv5可以更轻松地部署到嵌入式设备。 此外，因为YOLOv5是在PyTorch中实现的，所以它受益于已建立的PyTorch生态系统；

EfficientDet项目代码，包含efficientdet预训练模型、训练好的模型。包含efficientnet-b0_weights_tf_dim_ordering_tf_kernels_autoaugment_notop.h5、efficientdet-d0.h5等，可训练、可测试。