基于DDR4的Unbuffer的SODIMM with ecc，里面包含了原理图、BOM、.brd、长度信息等文件，可供进行DDR4颗粒设计时参考，也可用于内存条设计时参考
2019-12-21 22:22:03
2.79MB
1
resnet101_weights_tf_dim_ordering_tf_kernels_notop
2019-12-21 22:02:05
163.5MB
1
vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5 不太好下 公开出来
2019-12-21 21:47:34
52.19MB
1
这有两个文件，分别为inception_v3_weights_tf_dim_ordering_tf_kernels.h5，
inception_v3_weights_tf_dim_ordering_tf_kernels_notop.h5
2019-12-21 21:44:10
160.87MB
1
resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5 速度快，准确率高，参数不多
50层残差网络模型,权重训练自ImageNet
该模型在Theano和TensorFlow后端均可使用,并接受channels_first和channels_last两种输入维度顺序
模型的默认输入尺寸:224x224
2019-12-21 21:43:09
90.27MB
1
inception_v3_weights_tf_dim_ordering_tf_kernels_notop.h5
可用于keras，tensorflow.keras，特征提取与迁移学习
2019-12-21 21:36:05
77.23MB
1
vgg16_weights_tf_dim_ordering_tf_kernels_notop,Keras VGG16
2019-12-21 21:24:04
52.2MB
1
kares VGG19神经网络参数vgg19_weights_tf_dim_ordering_tf_kernels_notop.h5
2019-12-21 21:19:10
76.42MB
1
resnet50_weights_tf_dim_ordering_tf_kernels_notop
Linux下是放在“~/.keras/models/”中
Win下则放在Python的“settings/.keras/models/”中
Windows-weights路径：C:\Users\你的用户名\.keras\models anaconda下依然好用
2019-12-21 21:17:26
83.48MB
1