已经训练好tensorflow的Faster RCNN模型下载，voc2007,可以直接进行目标检测

心脏病预测：该项目涉及训练机器学习模型（K邻居分类器），以87％的准确性预测某人是否患有心脏病

使用最新的paddlepaddle进行训练和保存模型，该模型可以进行继续训练或直接用于预测

在树莓派上用Tensorflow进行声音分类 建立项目 该项目是使用Python 2.7开发和测试的。 在PC / Workstation和Raspberry Pi上安装以下Python库： Tensorflow, Scikit-learn, Librosa 仅在您的Raspberry上安装以下库： Sounddevice 下载UrbanSound8K数据集 训练模型 设置在代码中下载数据集的正确路径。 在要保存训练后的模型的位置设置正确的路径。 在您的PC /工作站上运行“ trainModel.py”。 运行模型 在Raspberry Pi上导出经过训练的模型（“ model

包含红绿信号灯的训练样本，以及opencv_traincascade.exe、opencv_createsamples.exe以及训练出的模型xml文件

基于Tensorflow的Facenet 人脸识别实现，已训练好的模型（20170512-110547），可参考我的深度学习相关博客 https://blog.csdn.net/chzylucky/article/details/79680986

Pytorch迁移学习训练VGG16和模型测试代码（采用华为云modelarts训练），训练猫狗分类模型

CenterNet目标检测网络中几种针对COCO训练好的模型，是从其github上下载的作者训练好的模型，现在github上下载不了，特此分享出来，希望能用上。

使用fMRI数据预测各种机器学习模型和交叉验证方法的自闭症诊断 贡献者：Emily Chen，AndréanneProulx，MikkelSchöttner 该存储库包含在2020年BrainHack学校期间所做的贡献。该项目使用ABIDE数据集中的静止状态fMRI数据来训练机器学习模型，并获得了Creative Commons Zero v1.0 Universal许可。 如果您有任何疑问或意见，请随时与我们联系。 项目定义 个人背景 艾米丽 你好！ 我是麦吉尔大学（即将入学）的四年级本科生，学习计算机科学和城市健康地理，辅修认知科学。 我是Zatorre实验室的Isabelle Ar

主要介绍了Keras 加载已经训练好的模型进行预测操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧