vgg加载训练好的模型和参数，包括vgg16_exported.json和vgg16_exported.h5，本人亲测，代码有效！！！打包文件和代码！！！ 本人第一次实现图像识别，CV的入门级别，却难到了多少人，都是因为网上资料不全！！！ 模型本人还自写了一次！和提供的vgg16_exported.json结构一模一样！全在代码里！！！ 代码演示：https://blog.csdn.net/mujie2015/article/details/117756243

【图像分类】实战——VGG16实现图像分类（pytroch）

TensorRTx TensorRTx旨在通过tensorrt网络定义API实现流行的深度学习网络。 众所周知，tensorrt内置了解析器，包括caffeparser，uffparser，onnxparser等。但是，当使用这些解析器时，我们经常会遇到一些“不受支持的操作或层”问题，尤其是某些正在使用的最新模型新类型的图层。 那么，为什么不跳过所有解析器呢？ 我们只使用TensorRT网络定义API来构建整个网络，这并不复杂。 我写这个项目是为了熟悉tensorrt API，并与社区分享和学习。 所有模型首先在pytorch / mxnet / tensorflown中实现，然后导出权重文件xxx.wts，然后使用tensorrt加载权重，定义网络并进行推断。 在我的可以找到一些pytorch实现，其余的则来自多源开源实现。 消息 26 Apr 2021 。 添加Inceptio

boostdesc_bgm等文件.rar

VGG_tensorflow 通过tensorflow为您自己的VGG模型图像数据

opencv中xfeatures2d所需boostdesc和vgg头文件

用于faster-rcnn等网络训练的预训练模型文件VGG_imagenet.npy第三部分，下载全部3个文件后解压还原成VGG_imagenet.npy文件即可使用

用于faster-rcnn等网络训练的预训练模型文件VGG_imagenet.npy第二部分，下载全部3个文件后解压还原成VGG_imagenet.npy文件即可使用

用于faster-rcnn等网络训练的预训练模型文件VGG_imagenet.npy第一部分，下载全部3个文件后解压还原成VGG_imagenet.npy文件即可使用

本实验使用了VGG模型，为了简化实验，加速训练过程，可能会修改模型中的一些参数。看了VGG模型之后仿写的