Transfer_Learning_ResNet50 在此存储库中，我们将执行转移学习，以在Keras中的ResNet50模型上训练CIFAR-10数据集。

RESNet50+FCN train模型文件

百度搜索"目标检测必须要OpenCV？10行Python代码也能实现，亲测好用！" 可立即使用

resnet50 的onnx文件

Caffe下faster rcnn的残差网络resnet的配置，包含prototxt、train、test等文件。

TensorFlow2.0_ResNet 使用TensorFlow-2.0的ResNet（ ResNet18，ResNet34，ResNet50，ResNet101，ResNet152 ）实现 有关更多的CNN，请参见 。 火车 要求： Python> = 3.6 Tensorflow == 2.0.0 要在自己的数据集上训练ResNet，可以将数据集放在原始数据集文件夹下，目录应如下所示： |——original dataset |——class_name_0 |——class_name_1 |——class_name_2 |——class_name_3 运行脚本split_dataset.py将原始数据集拆分为训练集，有效集和测试集。 更改config.py中的相应参数。 运行train.py开始培训。 评估 运行valuate.py评估模型在测

ResNet50网络的组网图分析，详细分析了各个模块的组成。主要针对Pytorch框架，其实各个框架的实现基本一致

深度学习 该文件夹包含我的各种AI和机器学习项目的深度学习模型。 长短期记忆（LSTM）卷积神经网络（CNN）ResNet50

查看文章 https://blog.csdn.net/wwt72/article/details/106101707，使用该数据集学习华为云ModelArts，文件名称对应文章目录相关名称。 文件内容注：全民AI成长计划课程 - 实验环境准备.pdf 和 foods_recongition_23.tar

用法： python grad-cam.py --image-path 要与CUDA一起使用： python grad-cam.py --image-path --use-cuda 上面的这些理解英语应该能够理解如何使用，我只是将原始的vgg19网络更改为imagenet预训练的resnet50，实际上，对于任何图片的处理仍然可以使用，但是我们在做视频是很麻烦的，因为网络具有更多的一维时间维度，这让我很头疼。 因此，尽管我已经改变了这件事，但我没有任何成就感。 我想供所有想使用resnet50网络测试凸轮图的人使用。 注意 上面的默认IMAGE_PATH已经是./examples 后续指示 经过两天的研究，我发现该凸轮是一个简单的功能，可以将功能组合到我们的原始图像中。 实际上，如果研究不是很详细，则不需要了解原理。 因为