https://github.com/davidsandberg/facenet VGGFace2数据及

凯拉斯·伯特 [| ] 实现。 可以加载官方的预训练模型以进行特征提取和预测。 安装 pip install keras-bert 用法 使用热身 下载预先训练的检查点 提取功能 外部链接 Kashgari是可用于文本标签和文本分类的生产就绪NLP转移学习框架 凯拉斯·阿尔伯特 加载官方预训练模型 在特征提取演示中，您应该能够获得与官方模型chinese_L-12_H-768_A-12相同的提取结果。 并且在预测演示中，可以预测句子中丢失的单词。 在TPU上运行 提取演示演示了如何转换为在TPU上运行的模型。 分类演示显示了如何将模型应用于简单的分类任务。 分词器 Tokenizer类用于拆分文本并生成索引： from keras_bert import Tokenizer token_dict = { '[CLS]' : 0 , '[SEP]' : 1

使用CNN识别花卉种类 此代码使用VGG11预训练模型来训练和识别不同种类的花。 该模型仅20个周期就达到了90％以上的精度

keras首次加载vgg16模型的时候，会先下载该模型模型已经预训练好的模型权重文件。使用keras下载速度着实令人着急，有需要用的朋友自取。

ESRGAN需要用到的预训练模型，下载后把里面的pth文件放到路径/experiments/pretrained_models路径下，里面包含两个预训练模型RRDB_ESRGAN_x4.pth和RRDB_PSNR_x4.pth

CVPR2020最佳论文“Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild”在Github上开源的代码，预训练模型在作者提供的链接下载非常慢。

ctdet_coco_dla_2x.pth, 来自GoogleDrivede的预训练模型，基于COCO数据集训练，CenterNet的backbone网络模型文件，论文为Object As Points

Pre-trained models NOTE: If you use any of the models, please do not forget to give proper credit to those providing the training dataset as well.有需要的可以下载

Google官方中文Bert预训练模型，当前模型为bert base模型，省去爬梯下载的烦恼，需要其他模型的可以私信

ResNet_SSD网络的VOC预训练模型