代码主要来自 https://github.com/MTlab/onnx2caffe和 https://github.com/205418367/onnx2caffe，感谢他们的贡献。 onnx 到 Caffe 我们可以将 onnx 操作转换为 caffe 层，它不仅来自 ，还来自许多其他 caffe 修改分支，如 ssd-caffe，并且仅支持 onnx opset_version=9。 通过 ONNX 将 pytorch 转换为 Caffe 此工具通过将模型转换为 Caffe 模型仅用于推理 通过 ONNX 将 tensorflow 转换为 Caffe 你可以使用这个 repo 。 其他用于 caffe bt ONNX 的深度学习框架 依赖关系 caffe（支持python） pytorch（如果要转换 onnx，则可选） 昂克斯 运行时 我们建议使用 protobuf

resnet_ssd_face_detection 说明        用 OpenCV 调用 Caffe 框架以及训练好的残差神经网络进行人脸检测     流程 加载模型     - .prototxt 为调用 .caffemodel 时的测试网络文件     - .caffemodel 为包含实际图层权重的模型文件

使用此软件，你可以让你心爱的图片清晰度大幅上升，摆脱高糊。在硬件许可的情况下，还可以选择极端的参数，让你的电脑轰鸣起来！

cifar10的network in network配置文件和model,提供了train_test和solver文件，以及㑅者训练好的model,方便那些无法下载的研究者！

Caffe官方教程中译本，caffe 各层中文详细解释

1.caffe框架下的openmv机器学习 https://blog.csdn.net/qq_37783617/article/details/95881446 2.Win10+VS2013+Caffe安装心得分享 https://blog.csdn.net/qq_37783617/article/details/96487196 3.深度学习配置CUDA8.0/9.0及对应版本cuDNN安装 https://blog.csdn.net/m0_37638031/article/details/78896818 4.Win10 NVDIA CUDA安装失败解决方案 https://blog.cs

caffe官方example中C++接口的demo-classification的官方caffemodel以及相关参数文件。

下载编译好的caffe包后，解压，将包放到参考目录下D:\Anaconda3_64\envs\py27\Lib\site-packages，运行python，import caffe，如果有错， 先import numpy 即可

Caffe下faster rcnn的残差网络resnet的配置，包含prototxt、train、test等文件。

基于ubuntu14安装caffe及python接口过程记录_20170116.pdf