MobileNetV3的PyTorch实现这是MobileNetV3架构的PyTorch实现，如论文Searching MobileNetV3中所述。 一些细节可能与原始论文有所不同，欢迎讨论MobileNetV3的PyTorch实现。这是论文Searching MobileNetV3中描述的MobileNetV3体系结构的PyTorch实现。 一些细节可能与原始论文有所不同，欢迎讨论并帮助我解决。 [NEW]小版本mobilenet-v3的预训练模型在线，准确性达到与纸张相同的水平。 [NEW]该文件于5月17日更新，因此我为此更新了代码，但仍然存在一些错误。 [NEW]我在全局AV之前删除了SE

高效Net-Lite火炬 Google的Pytorch实现。 提供imagenet预训练模型。 在EfficientNet-Lite中，所有的SE模块均被删除，所有的交换层都被ReLU6取代。 对于边缘设备，它比EfficientNet-B系列更友好。 型号详情： 模型 参量 MAdds Top1 Acc（官方） Top1 Acc（此回购） 前5名 efficiencynet-lite0 470万 407M 75.1％ 71.73％ 90.17％ efficiencynet-lite1 540万 631M 76.7％ 74.71％ 92.01％ efficiencynet-lite2 610万 899M 77.6％ 77.14％ 93.54％ efficiencynet-lite3 820万 1.44B 79.8％ 78.91％ 94.37

Res2Net 论文正式实现 我们的论文被IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）接受。 更新 2020.10.20 PaddlePaddle版本Res2Net达到85.13％top-1 acc。 在ImageNet上： 。 2020.8.21发布了使用Res2Net进行检测和分割的在线演示： ://mc.nankai.edu.cn/res2net-det 2020.7.29在ImageNet上发布Res2Net的培训代码 （仅用于非商业用途） 2020.6.1 Res2Net现在位于新的深度学习框架的官方模型动物园中。 2020.5.21 Res2Net现在是MMDetection v2框架中的基本骨干之一。 结合使用MMDetection v2和Res2Net，可以以更少的计

mobilenet_v2_weights_tf_dim_ordering_tf_kernels_1.0_192_no_top.h5,mobilenetv2 tf.keras预训练模型，可用于迁移学习。