原始github地址：https://github.com/hellochick/PWCNet-tf2

1、YOLOv5道路和桥梁裂缝检测训练权重 ，附有各种训练曲线图 2、classes: crack 3、包括数据集，标签格式为VOC和YOLO两种 4、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127131688?spm=1001.2014.3001.5501

Pre-trained models are available here. All models are trained on Kinetics-700 (K), Moments in Time (M), STAIR-Actions (S), or merged datasets of them (KM, KS, MS, KMS).

基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBERT预训练模型实现答案预测分类——数据集基于ALBE

包含 "yolov3.cfg"是模型的架构 "yolov3.weights"是预训练权重！ 不含TensorFlow和Pytorch，使用的OpenCV，非常方便，只有一个py文件，代码非常少，支持图片、视频、摄像头！非常好用！

基于pytorch预训练模型使用Faster RCNN调用摄像头进行目标检测【无敌详细！简单！超少代码！】

https://drive.google.com/drive/folders/1jIr8dkvefrQmv737fFm2isiT6tqpbTbv

垃圾分类的训练模型，h5格式，能够识别生活中的常见垃圾，识别精度高

mnist训练模型 training

RealTimeVoice声音训练模型包encoder，synthesizer，vocoder.pt