GhostNet的PyTorch实施
如GhostNet中所述重现GhostNet架构的由Kai Han，Yunhe Wang，祁天，郭建元，徐纯景，关于框架的ILSVRC2012基准。
预训练模型
建筑学
＃ 参数
MFLOPs
前1名/前5名准确性（％）
5.181百万
140.77
73.636 / 91.228
from ghostnet import ghostnet
net = ghostnet ()
net . load_state_dict ( torch . load ( 'pretrained/ghostnet_1x-9c40f966.pth' ))
培训策略
8个GPU上的批处理大小为1024
初学率0.4
重量衰减0.00004
辍学率0.2
BN重量无衰减
我们将上述设置保持不变，并使用以下不同的训练技术进行实验，以进行消融和繁殖。 在预热阶段，学
2021-12-24 09:17:57
18.68MB
1
XLNet的预训练好的模型文件，来自
https://github.com/zihangdai/xlnet
2021-12-22 15:42:32
413.55MB
1
《PaddlePaddle Fluid深度学习入门与实战》第九章的ResNet50_pretrained预训练模型
2021-12-21 17:51:14
90.73MB
1
Deformable-ConvNets 下 R-FCN的 base model 的预训练模型。搬运至此，方便大家下载。 亦可原po下载，地址：https://github.com/msracver/Deformable-ConvNets
2021-12-20 16:22:51
170.37MB
1
图像矩阵matlab代码Breast_cancer_detection
使用预训练模型对图像进行分类以检测癌细胞
前提条件：
Python2.7
MATLAB（LIBSVM）
脾气暴躁的，西皮，斯克莱恩
Tensorflow
1.0
Tflearn
BreakHis的数据集位于：Davi
Frossard的网页上正在使用VGG-16权重：这是他的干净入门教程：
我们尝试预先训练的网络和分类与从头开始的训练。
方法1：使用预先训练的VGG-16来获取功能。
运行vgg16_cv.py以从BreakHis数据集的每个图像中提取特征。
它将为每个图像在同一文件夹中创建一个功能文件
运行generate_features.py将所有单个要素文件组合为一个要素矩阵（mat文件）。
它还会创建一个单独的目标Mat文件。
运行CV_balancing_code.m处理数据不平衡。
它输出4个文件：训练数据，训练数据目标，测试数据和测试数据目标
使用classifier_code.m和RandomForest_CV.m使用线性SVM，多项式SVM和随机森林对数据进行分类。
方法2：运行alexnet.
2021-12-14 17:33:55
630KB
1
resnet50-19c8e357.pth：pytorch预训练模型-resnet50，亲测可用，欢迎下载
2021-12-14 16:21:34
90.69MB
1
ResNet-101在ImageNet数据集上的caffe预训练模型，可以用于分类和目标检测网络。
2021-12-09 16:51:52
170.4MB
1
bert中文预训练模型，字典，有相关参数json等完整资源，可以直接通过bert的from_pretrained函数加载,可以直接拿来用，pytorch，tensorflow版本的都有，非常方便
2021-12-09 15:59:02
364.37MB
1
官网发布的tensorflow2.0版本以后可使用的BERT中文预训练模型文件，适合无法的伙伴使用tf2 进行fine tuning
2021-12-08 11:10:15
362.4MB
1