我们介绍一些使用预训练网络的实际例子，这些网络出现在TorchVision模块的图像分类中。 Torchvision包包括流行的数据集，模型体系结构，和通用的图像转换为计算机视觉。基本上，如果你进入计算机视觉并使用PyTorch, Torchvision将会有很大的帮助!

resnet50预训练模型，基于imagenet得到的预训练模型，主要是适用于加载预训练参数，配合prototxt文件使用最佳。

数据集和预训练模型-附件资源

OpenCv车辆识别训练模型

哈工大SCIR多为学者倾力奉献

SIFRank_zh 这是我们论文的相关代码原文是在对英文关键短语进行抽取，这里迁移到中文上，部分管道进行了改动英文原版在。。 版本介绍 2020/03 / 03——最初最初版本本版本中只包含了最基本的功能，部分细节还有待优化和扩展。 核心算法 预训练模型ELMo +句向量模型SIF 词向量ELMo优势：1）通过大规模预训练，较早的TFIDF，TextRank等基于统计和图的具有更多的语义信息； 2）ELMo是动态的，可以改善一词多义问题； 3）ELMo通过Char -CNN编码，对生隐词非常友好； 4）不同层的ELMo可以捕捉不同层次的信息 句子矢量SIF优势：1）根据词频对词向量进行平滑逆频率变换，能更好地捕捉句子的中心话题； 2）更好地过滤通用词 最终关键焦点识别 首先对句子进行分词和词性标注，再利用正则表达式确定确定名词短语（例如：形容词+名词），将名词作为前缀关键字 最终关键利率

仅供大家学习下载，方便大家快速获取

该资源是U2Net网络的预训练模型u2net.pth U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection 觉得其他人要价太坑人了

Word2Vec 模型word2vec-google-news-300。在 Google News 数据集上训练完成的 Word2Vec 模型，覆盖了大约 300 万的词汇和短语。该模型是利用了整个 Google News 大约 1000 亿个词的语料训练而成！由于文件太大，将压缩包分成了10个部分。

unet++ 预训练模型，conv2d