基于GoogLeNet深度迁移学习的苹果缺陷检测方法.pdf
2021-10-07 13:41:06 1.99MB 深度学习 数据分析 数据研究 参考文献
CNN经典网络模型-论文合集【综述】,LeNet AlexNet GoogleNet ResNet CNN
2021-09-03 10:57:58 38.08MB LeNet AlexNet GoogleNet ResNet
1
皮托奇·西法尔100 pytorch在cifar100上练习 要求 这是我的实验资料 python3.6 pytorch1.6.0 + cu101 张量板2.2.2(可选) 用法 1.输入目录 $ cd pytorch-cifar100 2.数据集 我将使用来自torchvision的cifar100数据集,因为它更方便,但我还将示例代码保留了用于在数据集文件夹中编写您自己的数据集模块的示例,以作为人们不知道如何编写它的示例。 3.运行tensorbard(可选) 安装张量板 $ pip install tensorboard $ mkdir runs Run tensorboard
1
pytorch实现GoogLeNet
2021-08-16 19:12:23 5KB 深度学习 GoogLeNet 机器学习
1
googlenet.caffemodel + googlenet.prototxt
2021-08-05 13:06:21 47.32MB cnn googlenet
1
opencv googlenet描述文件
2021-08-04 11:05:14 35KB googlenet
1
googlenet模型文件
2021-08-04 11:05:14 47.32MB googlenet模型文件
1
openCV DNN模块需要的.caffemodel 和对应的 .prototxt文件。包括bvlc_googlenet.caffemodel , mobilenet_ssd.caffemodel 和 bvlc_googlenet.caffemodel, mobileNet_deploy.prototxt
2021-07-27 17:22:43 67.95MB caffemodel prototxt
1
tensorrt_demos 展示如何使用TensorRT优化caffe / tensorflow / darknet模型并在NVIDIA Jetson或x86_64 PC平台上运行推理的示例。 在Jetson Nano上以约4.6 FPS运行优化的“ yolov4-416”物体检测器。 在Jetson Nano上以约4.9 FPS的速度运行优化的“ yolov3-416”物体检测器。 在Jetson Nano上以27〜28 FPS运行优化的“ ssd_mobilenet_v1_coco”对象检测器(“ trt_ssd_async.py”)。 在Jetson Nano上以6〜11 FPS运行非常精确的优化“ MTCNN”面部检测器。 在Jetson Nano上以“每张图像〜16毫秒(仅供参考)”运行优化的“ GoogLeNet”图像分类器。 除了Jetson Nano,所有演
2021-07-12 10:36:03 168.95MB googlenet mtcnn tensorrt ssd-mobilenet
1
GoogLeNet Inception v1 结构 及 pytorch、tensorflow、keras、paddle实现ImageNet识别 环境 python3.6, keras2.2.4, tensorflow-gpu 1.12.0 代码 # -*- coding: utf-8 -*- # @Time : 2020/2/3 9:56 # @Author : Zhao HL # @File : InceptionV1-keras.py import keras from keras.utils import Sequence from keras.layers import * from
2021-07-07 12:03:49 37KB AS c ce
1