yolov3-spp.pt 预训练权重

PyTorch image models, scripts, pretrained weights -- (SE)ResNet/ResNeXT, DPN, EfficientNet, MixNet, MobileNet-V3/V2/V1, MNASNet, Single-Path NAS, FBNet, and more PyTorch 图像模型等 2020 年 6 月 11 日最新消息 一系列变化：DenseNet 模型更新了来自 Torchvision 的内存高效添加（修复了一个错误），添加了模糊池和深干添加 VoVNet V1 和 V2 模型，训练了 39 V2 变体 (ese_vovnet_39b)到 79.3 top-1 激活工厂与新激活一起添加：在模型创建时选择操作，以便更灵活地使用与脚本或跟踪兼容的激活（ONNX 导出） hard_mish（实验性）添加了内存高效的 grad，以及 ME hard_swish 上下文mgr 用于设置可导出/脚本化/no_jit 状态 Norm + Activation 组合层在 DenseNet 和 VoVNet 中添加了初始试用支持，以

Yolov5 预训练权重，最新版，3.0。里面含有s, m, l, x四个版本的预训练权重，比1.0版本的小一些。应该是属于全CSDN最新

SSD目标检测算法框架，附带预训练权重可迁移学习，自留学习参考备用。[注意self.phase处的detect后面加上.forward()即可消除版本更新之后的梯度问题]

SSD迁移学习预训练权重文件

yolov2预训练权重darknet19.weights，可以不通过外网下载，直接在百度网盘提取下载即可

EfficientNet一般有好几个版本，可以根据自己的计算资源下载不同的预训练权重，但是预训练权重一般不太好下载，我上传到这里可供大家下载

当神经网络具有许多参数时，它们的效果最佳，这使它们成为功能强大的函数逼近器。但是，这意味着必须对非常大的数据集进行训练。由于从头开始训练模型可能是一个非常耗费计算量的过程，需要几天甚至几周的时间，因此，这里提供了各种预先训练的模型供大家下载！

xception_weights_tf_dim_ordering_tf_kernels_notop xception_weights_tf_dim_ordering_tf_kernels Linux下是放在“~/.keras/models/”中 Win下则放在Python的“settings/.keras/models/” 官网很难下载的

ultralytics / yolov5，官方预训练权重yolov5s.pt，从drive.google下载下来的