包括EDSR、ESPCN、FSRCNN、LapSRN，分别放大2倍，3倍，4倍，8倍的预训练好的模型 1. EDSR_x4.pb：单图像超分辨率纸的增强深度残差网络模型-将输入图像分辨率提高4倍 2. ESPCN_x4.pb：使用高效的亚像素卷积神经网络实现实时单图像和视频超分辨率的超分辨率模型，将分辨率提高4倍 3. FSRCNN_x3.pb：加速超分辨率卷积神经网络的模型-将图像分辨率 4. LapSRN_x8.pb：超分辨率模型，来自快速准确的图像超分辨率和深拉普拉斯金字塔网络-将图像分辨率提高8倍

Google提出的开源人脸识别算法FaceNet的预训练模型，FaceNet的官方的预训练模型，20180402-114759 NOTE: If you use any of the models, please do not forget to give proper credit to those providing the training dataset as well.

这是FID预训练好的模型，针对CUB-birds的文本生成图像定量指标训练好的模型 FID分数用于根据预训练网络提取的特征，测量真实图像分布和生成图像分布之间的距离。真实图像在空间中是服从一个分布的（假设为正态分布），而GAN生成的特征也是一个分布，GAN做的事情就是不断训练使这两个分布尽可能的相同。FID就是计算这两个分布直接的距离，使用的距离算法叫做Frechet distance。

预训练好的inception model 是StackGAN 用来于鸟评估的inception score模型 也可以用于AttnGAN、DF-GAN等等文本生成图像模型当中 主要用于评估图像质量

inception_v3_weights_tf_dim_ordering_tf_kernels_notop.h5 这是VGG16网络在imagenet数据集上的预训练权重文件，不带连接层。仅仅需要5积分，自行下载提取哦。

XLM 新增：添加了模型。 PyTorch训练的原始实现。 包括： XLM支持多GPU和多节点训练，并包含以下代码： 语言模型预训练： 因果语言模型（CLM） 屏蔽语言模型（MLM） 翻译语言模型（TLM） 胶微调 XNLI微调 有监督/无监督的机器翻译培训： 去噪自动编码器 并行数据训练 在线回译 安装 使用可编辑模式安装python软件包 pip install -e . 依存关系 的Python 3 （当前在版本0.4和1.0上测试） （生成并应用BPE代码） （仅用于清理和标记文本的脚本-无需安装） （用于fp16培训） I.单语语言模型预训练（BERT） 在下面的内容中，我们将说明如何下载和使用我们的预训练的XLM（仅英语）BERT模型。 然后，我们解释了如何训练自己的单语言模型，以及如何在GLUE任务上对其进行微调。 预先训练的英语模型 我

很多人评论问我要，可能回复不及时，放这里可以直接下载。

迁移学习在深度学习中是经常被使用的方法，指的是在一个任务中预训练的模型被用于另一个任务的模型训练，以加快模型训练，减少资源消耗。 然而网络搜索相关的话题，基本上只涉及加载预训练模型的特定变量值的方法，即不涉及预训练模型某个变量与当前任务网络对应变量shape改变的处理。 在具体的语音合成多说话人模型迁移学习得到单说话人模型的任务中，就涉及到了迁移变量改变shape的情况，将解决方法如下列出。 文章目录一. 问题来源二. 相关接口三. 解决方法 一. 问题来源        语音合成多说话人模型迁移学习得到单说话人模型的任务中，涉及了迁移变量改变shape的情况。        一个不可避免的是

OpenCV预训练分类器相关XML合集，共17个XML文件。 OpenCV包含很多预训练分类器，可用于人脸、眼睛、笑容等的检测。 相关教程可以参考：https://pythonprogramming.net/loading-video-python-opencv-tutorial/

加油学吧。(*￣3￣)╭