今天小编就为大家分享一篇Pytorch中的VGG实现修改最后一层FC，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

Pytorch实现VGG模型在CIFAR10数据集上的测试。ipynb文件，包含了完整的训练、测试输出数据。

vgg-face模型的测试官方只有matlab版，上传的这个脚本是python版，亲测可用

matlab的egde源代码卷积神经网络实用 由Andrea Vedaldi和Andrew Zisserman撰写的牛津视觉几何学小组的实用计算机视觉。 从doc/instructions.html开始。 请注意，此实用程序需要编译（包括）MatConvNet库。 这应该自动发生（请参阅setup.m脚本），但是请确保在实验室计算机上编译成功。 包装内容 该实践包括以下四个文件中组织的四个练习： exercise1.m第1部分：CNN基础 exercise2.m第2部分：衍生物和反向传播 exercise3.m第3部分：学习小型CNN exercise4.m第4部分：学习CNN识别字符 exercise5.m 5.m-第5部分：使用预先训练的CNN 实用程序在MATLAB中运行并使用。 该软件包包含以下MATLAB函数： extractBlackBlobs.m ：从图像中提取黑色斑点。 tinycnn.m ：实现一个非常简单的CNN。 initializeCharacterCNN.m ：初始化CNN以识别字符。 decodeCharacters.m ：可视化字符CNN的输出。 imsm

ssds.pytorch 适用于pytorch，python3的Single Shot MultiBox Detector及其变体的存储库。 此存储库易于设置，并具有大量可视化方法。 我们希望此回购协议可以帮助人们更好地理解类似ssd的模型，并帮助人们轻松地训练和部署ssds模型。 当前，它包含以下功能： 多种SSD变体：ssd，fpn，bifpn，yolo等 多基础网络：resnet，regnet，mobilenet等。 可视化类似于ssd的模型的功能，以帮助用户了解模型的设计和性能。 快速培训和推论：利用Nvidia Apex和Dali进行快速培训，并支持用户将模型转换为ONNX或TensorRT进行部署。 此回购取决于 ， 和。 感谢他们的工作。 注意当前版本的预训练模型尚未完成，请检查以获取丰富的预训练模型。 目录 安装 要求 python> = 3.7 CUDA>

caffe常用网络模型权重文件和定义文件（alex, vgg, googlenet, resnet）-附件资源

vgg脸 使用PyTorch的人脸分类Python脚本 需要安装PyTorch 运行test.py文件 从获得的原始Caffe模型和测试图像/names.txt 从获得的.h5和

CIFAR-10 使用VGG-16，Resnet和Inception net，模型对CIFAR-10数据集的图像进行分类，以对不同的对象（例如汽车，狗等）进行分类。

VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION非常经典的VGG-NET框架就是出自这篇文章

2015年英国牛津大学karen simonyan深度学习的vgg模型论文原文