利用python+tensorflow实现vgg19网络跑cifar10，得到高精度。

在10分钟内使用Flask作为Web应用程序部署Keras模型一个漂亮且可自定义的Web应用程序，以轻松地部署DL模型在10分钟内入门克隆此仓库安装要求运行脚本在10分钟内使用Flask作为Web应用程序部署Flaras模型作为Web App以及可定制的Web应用程序，以轻松地部署DL模型10分钟入门克隆此仓库安装要求运行脚本转到http：// localhost：5000完成！ 截图：新功能:fire:增强的，移动友好的UI支持图像拖放使用原始JavaScript，HTML和CSS。 删除jQuery和Bootstrap默认情况下切换到TensorFlow 2.0和tf.keras将Docker基本映像升级到Python

VGG预训练模型需要连接外网下载，而且下载速度很慢，有500多兆！资源包括VGG16和VGG19预训练模型

Google上的预训练模型，特此上传分享与大家！如果没有积分，可以b度网盘，地址：https://pan.baidu.com/s/1LZdF8s1KWuM9-WXYMl1CBA MM：t9u9

使用深度学习的入侵检测系统 使用ISCX 2012 IDS数据集训练的VGG-19深度学习模型 框架和API Tensorflow-GPU 凯拉斯 NVIDIA CUDA工具包9.0 NVIDIA cuDNN 7.0 工具类 Anaconda（Python 3.6） 药香 如何使用 从链接下载ISCX 2012数据集 然后运行名为ISCX FlowMeter的Java程序，该程序可在GitHub上找到。 您可以为此使用任何IDE （如果这不能将.PCAP转换为.XML，请尝试以下操作） 接下来，我要确保您的系统能够运行深度学习软件。 要进行检查，可以按照我创建的本指南进行操作：

fatal error: vgg_generated_120.i: No such file or directory缺失的文件

opencv4.2 用cmake编译需要的下载资源 其中包含face_landmark_model.bat opencv_videoio_ffmpeg.dll ffmpeg_version.cmake等

matlab中余弦相似度代码vgg_face_matconvnet VGG 人脸描述符源代码和模型 (MatConvNet) 这是我学习 NN & DL 的起点。我想与伟大的 Github 社区分享学习经验。 我利用预训练模型来完成人脸验证任务。结果是两个人脸的余弦相似度。 一步步 1.下载并安装“MatConvNet: CNNs for MATLAB”，见。 我使用版本 1.0-beta17。 2. 下载这个 vgg_face_matconvnet 并在 MATLAB 中运行它。 我使用 MATLAB 2014b。 预训练模型 vgg_face.mat (1GB) 不包含在我的存储库中。只需使用“”中的那个。 在 MATLAB 中： convNet = lib.face_feats.convNet('data\vgg_face.mat'); 演示（'1.jpg'，'2.jpg'，convNet） 致谢 感谢“我第一次与 NN 和 DL 亲密接触。

所有下载链接都是跳到官方地址，可是早已经失效了，找了好久才找到，分享一下

【图像分类】实战——使用VGG16实现对植物幼苗的分类（pytroch）链接：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/117753156?spm=1001.2014.3001.5502