XLNet的预训练好的模型文件，来自 https://github.com/zihangdai/xlnet

《PaddlePaddle Fluid深度学习入门与实战》第九章的ResNet50_pretrained预训练模型

lambda.pytorch [NEW！]看看我们的最新作品在CVPR'21该桥梁卷积和自我关注运营商。 LambdaNetworks的PyTorch实现。 Lambda网络应用矩阵乘法的关联定律来逆转自我注意力的计算顺序，从而实现了有关内容交互的线性计算复杂性。 以前在和使用了类似的技术。 在另一个存储库签出一系列自我注意模块。 训练配置 ✓SGD优化器，初始学习率0.1，动量0.9，重量衰减0.0001 ✓时代130，批量大小256，8个Tesla V100 GPU，LR衰减策略余弦 ✓标签平滑0.1 训练有素的检查站 建筑学 参数 襟翼 前1名/前5名（％） 下载 Lambda-ResNet-50 14.995万 6.576克 78.208 / 93.820 | 引文 如果您发现此存储库对您的研究有用，请引用 @InProceedings { Li_2021_CVPR

对VGG16模型进行预训练，代码功能是对一组数据集进行5分类

Deformable-ConvNets 下 R-FCN的 base model 的预训练模型。搬运至此，方便大家下载。 亦可原po下载，地址：https://github.com/msracver/Deformable-ConvNets

一、DistilBert for Chinese 海量中文预训练蒸馏Bert模型 拟于12月16日发布 target to release on Dec 16th. 拟发布内容 Contents： 1.1 可下载的蒸馏模型，已经训练过 a pretrained chinese DistilBert, others can use it directly or trained again on their own corpus; 1.2 可用于下游任务的例子和代码，包括3个ChineseGLUE(CLUE)的任务 fine tuning examples and codes using DistilBert on three ChineseGLUE(CLUE) tasks; 1.3 小模型基准测评 performance comparsion with albert_tiny, ernie

在CIFAR-10数据集上训练的PyTorch模型 我修改了官方实施的流行CNN模型，并对CIFAR-10数据集进行了训练。 我在原始代码中更改了类的数量，过滤器大小，步幅和填充，以便它可以与CIFAR-10一起使用。 我也共享这些模型的权重，因此您只需加载权重并使用它们即可。 通过使用PyTorch-Lightning，该代码具有很高的可复制性和可读性。 支持模型的统计 不。 模型 值累积 否。参数 尺寸 1个 vgg11_bn 92.39％ 28.150百万 108兆字节 2个 vgg13_bn 94.22％ 28.334百万 109兆字节 3 vgg16_bn 94.00％ 33.647百万 129兆字节 4 vgg19_bn 93.95％ 38.959百万 149兆字节 5 网路18 93.07％ 11.174百万 43兆字节 6 资源34 9

图像矩阵matlab代码Breast_cancer_detection 使用预训练模型对图像进行分类以检测癌细胞 前提条件： Python2.7 MATLAB（LIBSVM） 脾气暴躁的，西皮，斯克莱恩 Tensorflow 1.0 Tflearn BreakHis的数据集位于：Davi Frossard的网页上正在使用VGG-16权重：这是他的干净入门教程： 我们尝试预先训练的网络和分类与从头开始的训练。 方法1：使用预先训练的VGG-16来获取功能。 运行vgg16_cv.py以从BreakHis数据集的每个图像中提取特征。 它将为每个图像在同一文件夹中创建一个功能文件 运行generate_features.py将所有单个要素文件组合为一个要素矩阵（mat文件）。 它还会创建一个单独的目标Mat文件。 运行CV_balancing_code.m处理数据不平衡。 它输出4个文件：训练数据，训练数据目标，测试数据和测试数据目标 使用classifier_code.m和RandomForest_CV.m使用线性SVM，多项式SVM和随机森林对数据进行分类。 方法2：运行alexnet.

resnet50-19c8e357.pth：pytorch预训练模型-resnet50，亲测可用，欢迎下载

YOLOV5的预训练模型，包括yolov5s、yolov5n、yolov5l、yolov5m、yolov5x