用于ML.NET 图像分类学习时，用到的元数据，本人从官网下载，resnet_v2_50_299.meta

环境： tensorflow 2.1 最好用GPU 模型： Resnet：把前一层的数据直接加到下一层里。减少数据在传播过程中过多的丢失。 SENet： 学习每一层的通道之间的关系 Inception: 每一层都用不同的核（1×1，3×3，5×5）来学习.防止因为过小的核或者过大的核而学不到图片的特征。 用Resnet ，SENet， Inceptiont网络训练Cifar10 或者Cifar 100. 训练数据：Cifar10 或者 Cifar 100 训练集上准确率：97.11%左右 验证集上准确率：90.22%左右 测试集上准确率：88.6% 训练时间在GPU上：一小时多 权重大小：21

用ResNet-50对指定目录下的图片进行分类处理

伪三维残差网络（P-3D）的pytorch版本，支持预训练模型...........................................

ResNet-50 Pre-trained Model for Keras. ResNet-50 Keras的预训练模型。 imagenet_class_index.json resnet50_weights_tf_dim_ordering_tf_kernels.h5 resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5

X光肺炎图像分类ResNet，正常图像和肺炎图像分类+病毒性肺炎和细菌性肺炎分类，代码加运行效果

resnet_v2_50_299.meta官网下载不了，下载解压后改下名字就可以用了

使用OpenCV深度学习模型残差网络（ResNet）人脸检测，实现了静态图像人脸检测和实时视频流人脸检测

_______ResNet.zip

这是resnet-18的预训练模型，可以直接加载。还有其它2部分，需要合在一起解压。因为大小限制，所以分块。