mobilenet_v2_weights_tf_dim_ordering_tf_kernels_1.0_192_no_top.h5,mobilenetv2 tf.keras预训练模型，可用于迁移学习。

随着BERT等预训练模型横空出世，NLP方向迎来了一波革命，预训练模型在各类任务上均取得了惊人的成绩。随着各类预训练任务层出不穷，也有部分研究者考虑如何在BERT这一类模型中引入或者强化知识图谱中包含的信息，进而增强BERT对背景知识或常识信息的编码能力。

facenet预训练模型

BERT 、GPT 等大规模预训练模型（PTM）近年来取得了巨大成功，成为人工智能领域的一个里程碑。由于复杂的预训练目标和巨大的模型参数，大规模 PTM 可以有效地从大量标记和未标记的数据中获取知识。

训练数据来自https://xueqiu.com，为中文。正样本（pos）：6873条，负样本（neg）：3591条； 使用albert_chinese_small，参数全调，epoch=10，lr=0.001，准确率97%； 使用albert_chinese_small只调节原始模型的一层，一层密集与后接的两层密集，epoch=30，lr=0.004，准确率92%；

该资源为caffe框架训练出来的以googlenet特征识别网络加上imagenet数据集的预训练模型，可以预测1000个分类图片，

哈工大的那本书，很好的一本书。 html/website/markdown 格式请查阅本人博客：https://zenmoore.github.io

腾讯TEG NLP中文预训练模型探索与应用

预训练模型专题_GPT2_模型代码学习笔记-附件资源

使用ARCFACE-Pytorch的人脸识别 介绍 此存储库包含face_verify.py和app.py，它们能够执行以下任务- 从图像，视频或网络摄像头中检测脸部并进行脸部识别。 app.py用于部署项目。 所需文件 requirements.txt 预训练模型或 。 自定义数据集 新训练的模型（facebank.pth和names.npy） 用户说明 首先下载项目后，您必须安装以下库。 安装 您可以通过从终端运行以下命令来一次安装所有依赖项。 $ pip install - r requirements . txt 对于使用“ pip”安装割炬，请运行以下命令 $ pip3 install torch == = 1.2 . 0 torchvision == = 0.4 . 0 - f https : // download . pytorch . org /