本资源包含LeNet，AlexNet和ResNet三大人工神经网络的论文，研究他们有助于进一步了解人工智能。
2021-10-23 15:54:12
2.29MB
1
CNN模型简单介绍,按照提出时间依次介绍LeNet,AlexNet,VGG,GoogLeNet,ResNet,GAN,R-CNN。十几页的ppt，主要介绍各个模型的核心思想、贡献，希望能为大家提供一条清晰的CNN发展脉络。具体的算法实现等需要阅读文章代码。相关文章会作为另一个资源提供免费打包下载。
2021-10-21 09:46:14
803KB
1
使用AlexNet论文实现[猫狗数据集]分类。
压缩包内含[model.py][split_data.py][train.py][inference.py][test.py][AlexNet.pth][几张推理用的图片]。
Note：
不包含猫狗数据集！
下载前请看博客，配合博客内容使用。
2021-10-13 14:09:53
104.1MB
1
pytorch预训练模型alexnet，pytorch预训练模型alexnet，pytorch预训练模型alexnet，pytorch预训练模型alexnet，pytorch预训练模型alexnet，pytorch预训练模型alexnet，pytorch预训练模型alexnet，
2021-09-18 01:19:09
47B
1
张量流-cnn-finetune
这个仓库是关于使用TensorFlow对一些著名的卷积神经网络进行微调的。
ConvNets：
要求：
Python 2.7或3.x
Tensorflow 1.x（已通过1.15.1测试）
OpenCV2（用于数据扩充）
数据集文件
您需要设置两个数据集文件以进行训练和验证。 格式必须如下所示：
/absolute/path/to/image1.jpg class_index
/absolute/path/to/image2.jpg class_index
...
class_index必须从0开始。
可以在和找到样本数据集文件。
不要忘了通过--num_classes运行时，标志finetune.py脚本。
亚历克斯网
进入alexnet文件夹
cd alexnet
微调
如果您以前没有下载过砝码，请下载。
./download_we
2021-09-10 13:07:18
1.03MB
1
深度学习TensorFlow2.0
前言
在这个项目中，我将使用谷歌TensorFlow2.0框架逐一重现经典的卷积神经网络：LeNet-5，AlexNet，VGG系列，GooLeNet，ResNet系列，DenseNet系列，以及现在比较流行的：RCNN系列，SSD ，YOLO系列等。
教程目录
图像分类任务1.手写数字识别FirstNet（已完成） 2.快速建造卷积网络FastNet（已完成） 3. LeNet-5（已完成） 4. AlexNet（已完成） 5. VGG系列（已完成） 6. GooLeNet（已完成） 7. ResNet系列（已完成） 8. DenseNet系列（已完成）
目标检测任务1. RCNN系列2. SSD 3. YOLO系列
项目环境
Python3
Python3.6和3.7
PyCharm2018和2019
Tensorflow2.0
2021-09-08 15:09:59
135KB
1
Complex_Convolutional_Neural_Network_Architecture
该存储库进一步体现了我对一些著名的复杂卷积神经网络架构的实现。 这些模型是使用Tensorflow的Keras功能API从零开始开发的，这是一种创建比tf.keras.Sequential API更灵活的模型的方法。 功能性API可以处理具有非线性拓扑的模型，具有共享层的模型以及具有多个输入或输出的模型。 这种架构使神经网络可以学习深度模式（使用深度路径）和简单规则（通过短路径）。
开发型号清单
从分支悬空模型到深度卷积和点卷积的模型已经进行了实验。 我还实现了U-net，这是专门用于生物医学图像分割的独特体系结构。 最后，我制作了一个自定义的复杂模型，并在上进行了训练。
AlexNet-AlexNet是卷积神经网络的名称，它对机器学习领域产生了重大影响，特别是在将深度学习应用于机器视觉
2021-09-03 16:41:50
707KB
1