1、包含数据集 2527张图（可以调整为自己的数据集，程序不用大改，只需调整文件目录） 2、pytorch-resnet 训练准确率95% 3、可传图片预测 4、可调用电脑摄像头 调用模型预测垃圾分类 5、CPU/GPU都可以

这是一个完整的基于Pytorch 的分类模型，下载以后根据博客中讲的读取数据、搭建模型、训练验证等可以自行修改代码，以符合自身需求。整个项目都有比较清晰的注释，比较适合新手上手学习。

包含蝴蝶图片分类数据集，20个类别，文件夹分类。分类模型resnet，训练模型、预测代码。

在文章与之前编写的图像分类框架构建组合使用，这里只讲述基于chainer的模型构建，本次讲解如何使用chainer构建ResNet网络结构以及对应的其他版本：resnet50，resnet101，resnet152。

根据鸡的图片和鸡的温度判断是否为病j鸡，flask进行可视化展示

包含resnet18 和resnet50依据imagenet预训练好的caffemodel，可以直接加上caffe model文件夹或者example文奸夹里面的prototxt使用

resnet ppt refer to Deep Residual Learning for Image Recognition

ResNet-34 Pre-trained Model for PyTorch. ResNet-34 PyTorch的预训练模型。 resnet34_datasets.txt

Fruit-Dataset水果数据集+水果分类识别训练代码(支持googlenet, resnet, inception_v3, mobilenet_v2),本项目将采用深度学习的方法，搭建一个水果分类识别的训练和测试系统，实现一个简单的水果图像分类识别系统。目前，基于ResNet18的水果分类识别，支持262种水果分类识别，在水果数据集Fruit-Dataset上，训练集的Accuracy在95%左右，测试集的Accuracy在83%左右，骨干网络，可支持googlenet, resnet[18,34,50], inception_v3，mobilenet_v2等常用模型: 【原文地址】《Fruit-Dataset水果数据集+水果分类识别训练代码(支持googlenet, resnet, inception_v3, mobilenet_v2)》：https://panjinquan.blog.csdn.net/article/details/126411788

ResNet 识别102种花深度学习代码，对于初学深度学习和RESNET网络，有较好的指导作用