ShuffleNet 是一个预训练模型，已经在 ImageNet 数据库的一个子集上进行了训练。 该模型接受了超过一百万张图像的训练，可以将图像分类为1000个对象类别（例如键盘，鼠标，铅笔和许多动物）。
从您的操作系统或 MATLAB 中打开 shufflenet.mlpkginstall 文件将启动您拥有的版本的安装过程。
此 mlpkginstall 文件适用于 R2019a 及更高版本。
用法示例：
% 访问训练好的模型净= shufflenet（）;
% 查看架构细节网络层
% 读取图像进行分类I = imread('peppers.png');
% 调整图片大小sz = net.Layers(1).InputSize I = I(1:sz(1),1:sz(2),1:sz(3));
％使用shufflenet对图像进行分类标签 = 分类（净，我）
% 显示图像和
2023-02-06 00:31:08
6KB
1
网络
这是微软在EMNLP 2020的HMNet模型论文的官方代码，在PyTorch框架下实现。 要引用的相关是：
@Article{zhu2020a,
author = {Zhu, Chenguang and Xu, Ruochen and Zeng, Michael and Huang, Xuedong},
title = {A Hierarchical Network for Abstractive Meeting Summarization with Cross-Domain Pretraining},
year = {2020},
month = {November},
url = {https://www.microsoft.com/en-us/research/publication/end-to-end-abstractive-summarization-for-mee
2023-01-02 08:14:48
7.6MB
1
VGG预训练模型的参数文件vgg16-0000.params
有几百兆，国内找了很久没有找到，于是科学上网方便大家
2022-12-23 09:27:27
482.84MB
1
Keras CNN分类器
该存储库提供代码以根据Tensorflow 2.0中Keras API提供的预训练卷积神经网络（CNN）设置和训练自己的图像分类器。 您可以利用转移学习对自己收集的数据集进行训练，或者从头开始训练网络以比较大型数据集的性能。
如何使用
这个仓库的主要代码包含在ClassifierCNN类Classifier.py 。 您真正需要做的就是导入该类，设置一个适当的实例来指定所需的数据集和模型，一切顺利。 下面提供了一些示例：
# Import pre-trained Keras CNN Model
from keras.applications.densenet import DenseNet169
# Import ClassifierCNN class
from Classifier import ClassifierCNN
# Instantiate clas
2022-12-20 16:44:36
6KB
1
基于PaddlePaddle实现的密度估计模型CrowdNet预训练模型
2022-12-06 14:13:36
154.03MB
1
这是FID预训练好的模型，针对coco的文本生成图像定量指标训练好的模型
复现步骤请看：https://blog.csdn.net/air__Heaven/article/details/124751665
CUB-Bird的FID预训练好的模型，请看：https://download.csdn.net/download/air__Heaven/85362542
2022-12-05 11:28:49
30.57MB