inception_v3_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

Google/TensorFlow已训练的模型数据 inception_v4 代码请参考: https://github.com/tensorflow/models/tree/master/research/slim

深度学习常用网络,其中包括inception-v1,inception-v2,inception-v3,vgg,resnet,在google上资源下载比较慢

Inception v1原版论文，已标注重点

GoogLeNet（inception v1）的论文翻译

使用inception思想改进残差块，进行特征提取的图像超分算法。在Set5测试集上最高可达37.4db

Fruit-Dataset水果数据集+水果分类识别训练代码(支持googlenet, resnet, inception_v3, mobilenet_v2),本项目将采用深度学习的方法，搭建一个水果分类识别的训练和测试系统，实现一个简单的水果图像分类识别系统。目前，基于ResNet18的水果分类识别，支持262种水果分类识别，在水果数据集Fruit-Dataset上，训练集的Accuracy在95%左右，测试集的Accuracy在83%左右，骨干网络，可支持googlenet, resnet[18,34,50], inception_v3，mobilenet_v2等常用模型: 【原文地址】《Fruit-Dataset水果数据集+水果分类识别训练代码(支持googlenet, resnet, inception_v3, mobilenet_v2)》：https://panjinquan.blog.csdn.net/article/details/126411788

weights-inception-2015-12-05-6726825d.pth

盗梦空间-v3-cifar10 基于 。 安装 拉Docker镜像 $ docker pull tensorflow/tensorflow:1.7.0-py3 $ docker run -it --name {docker-name} tensorflow/tensorflow:1.7.0-py3 /bin/bash 拉GitHub存储库 ~# apt-get update ~# apt-get install git ~# git clone https://github.com/PJunhyuk/inception-v3-cifar10 下载数据集 ~/inception-v3-cifar10# python download_and_convert_data.py --dataset_name=cifar10 --dataset_dir="/tmp/data/cifar10" 用法

盗版模块的实现 除了代码本身的注释外，我还写了一篇文章，您可以在找到有关Inception Module和GoogLeNet的进一步说明。 内容 inception.py模块的实现 Inception Train & Test.ipynb ：笔记本，用于培训和测试Inception模块的实现。 layers ：包含实现基本层的文件[卷积，最大池化和完全连接] 如果您在查看笔记本文件时遇到问题，请单击。