detectron测试demo需要的权重R-101.pkl，独立下载模型的测试代码是 python2 tools/infer_simple.py \ --cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml \ --output-dir output/test1 \ --image-ext jpg \ --wts model/MaskRCNN/e2e_mask_rcnn_R-101-FPN_2x_model_final.pkl \ Demo

SSD，voc_weights_resnet.pth神经网络权重

此前 6月份那个权重 已经无法加载到最新的工程里面了这是最新的，亲测可用（2020年7-30）， 从谷歌云盘下载的，一共8个文件， 包含6月份的和最新的5积分不多吧..

当神经网络具有许多参数时，它们的效果最佳，这使它们成为功能强大的函数逼近器。但是，这意味着必须对非常大的数据集进行训练。由于从头开始训练模型可能是一个非常耗费计算量的过程，需要几天甚至几周的时间，因此，这里提供了各种预先训练的模型供大家下载！

xception_weights_tf_dim_ordering_tf_kernels_notop xception_weights_tf_dim_ordering_tf_kernels Linux下是放在“~/.keras/models/”中 Win下则放在Python的“settings/.keras/models/” 官网很难下载的

求信息熵，根据计算步骤写出的matlab的.m文件，但是不包括得分的计算，完整版的请点我id

mnist数据集是图像数据，由6万条训练数据和1万条测试数据组成。图像为1通道28像素乘以28像素的灰度图。本压缩文档包含了mnist数据集和神经网络推理的权重参数两个文件

使用Tensorflow实现声纹识别，训练ST-CMDS-20170001_1-OS数据集的网络权重。

ArcGIS Desktop开发，实现表里的要素权重赋值。

I3D模型从Tensorflow转移到PyTorch 此仓库包含几个脚本，这些脚本允许从论文的I3D的Tensorflow实现传递权重 Joao Carreira和Andrew Zisserman撰写的PyTorch的。 原始（和官方的！）张量流代码可以在找到。 传输的核心是i3d_tf_to_pt.py脚本 使用python i3d_tf_to_pt.py --rgb启动它，以生成从ImageNet扩展初始化中python i3d_tf_to_pt.py --rgb的rgb检查点权重。 要生成流权重，请使用python i3d_tf_to_pt.py --flow 。 您还可以通过同时使用两个标记python i3d_tf_to_pt.py --rgb --flow在一次运行中生成两者。 请注意，主版本需要PyTorch 0.3，因为它依赖于此最新版本中所包含的Constan