无规范化网络和SGD的Tensorflow实现-自适应梯度剪切 论文： : 原始代码： : 安装及使用 我建议使用Docker运行代码： docker build -t nfnets/imagenet:latest --build-arg USER_ID=$(id -u) --build-arg GROUP_ID=$(id -g) . 要在imagenet数据集上训练NFNet，请执行以下操作： docker run --rm -it --gpus all -v $(pwd):/tf -p 8889:8888 -p 6006:6006 nfnets/imagenet:latest python train.py --variant F0 --batch_size 4096 --num_epochs 360 请参阅train.py模块以获取更多参数。 预先训练的权重已转换为

PubLayNet PubLayNet是文档图像的大型数据集，其布局用边框和多边形分割标注。 有关更多信息，请参见 PMC4334925_00006.jpg PMC538274_00004.jpg 最近更新 15/Sept/2020年15/Sept/2020 -添加培训代码。 29/Feb/2020年29/Feb/2020 -为maskrcnn_resnet50_fpn添加基准测试。 22/Feb/2020年22/Feb/2020 -（Pytorch）中的预训练Mask-RCNN模型。 标杆管理 建筑学 Iter num（x16） 美联社 AP50 AP75 AP小 AP培养基 AP大 MD5SUM 196k 0.91 0.98 0.96 0.41 0.76 0.95 393e6700095a673065fcecf5e8f264f7 演示版 在上面的基准测试

很棒的预训练风格 预先训练的模型的集合，模型在不同分辨率的不同数据集上进行了训练。 有关StyleGAN 1的预训练模型，请参阅 如果您拥有已知的或想共享的可公开访问的模型，请参阅部分。提示：提交模型的最简单方法是填写此。 目录 楷模 汽车（config-e） ， 数据集：LSUN汽车 分辨率：512x512配置：e 作者： StyleGAN2实现： ： 许可证：Nvidia源代码许可证-NC 汽车（config-f） ， 数据集：LSUN汽车 分辨率：512x512配置：f 作者： StyleGAN2实现： ： 许可证：Nvidia源代码许可证-NC 猫 ， 数据集：LSUN Cat 分辨率：256x256配置：f 作者： StyleGAN2实现： ： 许可证：Nvidia源代码许可证-NC 教会 ， 数据集：LSUN教堂 分辨率：256x256配置：f 作者： StyleGA

CorentinJ/Real-Time-Voice-Cloning项目训练模型，包含encoder、synthesizer、vocoder三部分。

EfficientNet PyTorch 快速开始 使用pip install efficientnet_pytorch的net_pytorch并使用以下命令加载经过预训练的EfficientNet： from efficientnet_pytorch import EfficientNet model = EfficientNet . from_pretrained ( 'efficientnet-b0' ) 更新 更新（2021年4月2日） 已发布！ 当您阅读本文时，我正在努力实现它：) 关于EfficientNetV2： EfficientNetV2是卷积网络的新家族，与以前的模型相比，它具有更快的训练速度和更好的参数效率。 为了开发该系列模型，我们将训练感知的神经体系结构搜索和缩放结合使用，以共同优化训练速度和参数效率。 从富含新操作（例如Fused-MBConv）的搜索空

CVPR2020最佳论文“Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild”在Github上开源的代码，预训练模型在作者提供的链接下载非常慢。

resnet50_caffe.pth 预训练模型之一。 在Detectron.pytorch等项目中的config文件（*.yaml）中会用到

ELECTRA 中文 预训练 ELECTREA 模型: 基于对抗学习 pretrain Chinese Model code Repost from google official code: 具体使用说明：参考 官方链接 Electra Chinese tiny模型路径 google drive electra-tiny baidu drive electra-tiny code:rs99 模型说明 与 tinyBERT 的 配置相同 generator 为 discriminator的 1/4 How to use official code Steps 修改 configure_pretraining.py 里面的 数据路径、tpu、gpu 配置 修改 model_size：可在 code/util/training_utils.py 里面 自行定义模型大小 数据输入格式：原始的

DAN Deep Alignment Network pretrained model!国内没法下载。 1. DAN-Menpo-tracking.npz 2. DAN-Menpo.npz 3. DAN.npz

mask-rcnn：在MATLAB中进行Mask-RCNN训练和预测以进行实例分割