史上最齐全的YOLOv5预训练模型，共10种预训练权重。附带各个权重性能比对图。使用后可以实现目标检测多达80种物体

pretrained_model-使用pytorch/examples/mnist训练的 MNIST 模型的路径。 为简单起见，请在此处下载预训练模型。

已经配置好了预训练模型和训练好的模型 已经配置好了下载为鸟类预处理的元数据 除了没有CUB-birds的图像数据集，其他文件都已经下载并配置好了。 AttnGAN: Fine-Grained TexttoImage Generation with Attention（带有注意的生成对抗网络细化文本到图像生成）的代码复现 下载后需要安装环境 >pip install python-dateutil > pip install easydict > pip install pandas > pip install torchfile nltk > pip install scikit-image 可能需要额外安装的环境，根据提示进行补充： > pip install torchvision

swinUet官方代码中需要的预训练权重 权重名称：swin_tiny_patch4_window7_224.pth

细节增强的matlab代码预训练的EfficientDet-D0网络用于物体检测 该存储库为MATLAB:registered:提供了预训练的EfficientDet-D0 [1]对象检测网络。 要求 MATLAB:registered:R2021a或更高版本 深度学习工具箱:trade_mark: 计算机视觉工具箱:trade_mark: 适用于ONNX Model Format:trade_mark:支持包的深度学习工具箱转换器 概述 该存储库提供经过训练可检测不同物体类别（包括人，汽车，交通信号灯等）的EfficientDet-D0网络。该预训练模型使用COCO 2017 [3]数据集进行训练，该数据集具有80个不同的物体类别。 EfficientDet-D0很大程度上遵循一级对象检测器范例，并使用预定义的锚点来检测对象。 借助通过快速归一化增强的加权双向特征金字塔网络，它利用了来自不同级别骨干网络的便捷，快速的多尺度特征融合。 入门 将此存储库下载或克隆到您的计算机，然后在MATLAB:registered:中打开它。 设置 将路径添加到源目录。 addpath('src'); 下载预训练的网络 使用下面的帮助程序来下载预训练的网络。 model = helper.downloadPretrainedEff

deblurGAN V2预训练模型.zip

Pretrained-Unilm-Chinese 中文版unilm预训练语言模型 Table of Contents Background 最近由于公司业务的需要，做了一些基于预训练seq2seq模型的文本生成式任务，研究了、、之后，发现unilm这风格的seq2seq非常优雅。但是作者只开源了英文版的预训练模型，在git上也没找到合适的中文版unilm的预训练模型以及预训练代码，于是自己写了一个tensorflow版本。本项中预训练基于tensorflow-gpu==1.14.0，后续的微调任务基于。 Pretrain Training Data 简体中文维基百科数据，处理成一行一行句子对的形式。 Input Mask And Attention Mask 在一条数据中随机mask15%的token，被mask的token中80%用[MASK]表示，10%从vocab中随机选择一个tok

内包含ResNet50网络模型，模型预训练参数（.h5文件，基于tf2），以及一项使用tf2实现的对ResNet50的网络结构和预训练参数的分开调用。

基于Transformer的预训练语言模型(T-PTLMs)在几乎所有的自然语言处理任务中都取得了巨大的成功。这些模型的发展始于GPT和BERT。这些模型建立在Transformer、自监督学习和迁移学习的基础上。基于转换的PTLMs通过自监督学习从大量文本数据中学习通用语言表示，并将这些知识转移到下游任务中。这些模型为下游任务提供了良好的背景知识，避免了对下游模型从头开始的训练。

https://github.com/NathanUA/U-2-Net工程的预训练模型，u2netp.pth，u2net.pth已有作者上传