数据集:training_set, test-set,traing_set里面存放的是猫狗分类的数据集，test_set里面存放的是猫狗分类的测试集。
datasets.py：数据集的读取，并且会按照7:3的比例将traing_set划分为测试集和验证集
chuli.py：验证数据集读取的正确性
model.py:里面存放的ResNet34的代码
train.py:训练集，并且会drew出训练集和验证集的损失和acc
test.py：最终会输出训练好的模型(resnet.pth)对于测试集的acc
该项目非常适合初学深度学习者，可以学习关于数据集
2023-12-24 21:16:14
293.8MB
1
resnet34_ibn_a-94bc1577.pth，下载自：https://github.com/XingangPan/IBN-Net/releases/download/v1.0/resnet34_ibn_a-94bc1577.pth。fast-reid中使用是这个预训练模型。
2023-04-04 12:29:59
83.25MB
1
基于ResNet34的模型结构：ResNet34_ImageNet_CNTK
2022-10-25 09:08:13
83.33MB
1
基于megengine的freeanchor的目标检测模型，主干网络ResNet34
2022-10-17 22:05:48
109.65MB
1
基于megengine的ATTS的目标检测模型，主干网络ResNet34
2022-10-17 17:07:57
104.23MB
1
基于megengine的FasterRCNN的目标检测模型，主干网络ResNet34
2022-10-17 17:07:48
137.56MB
1
基于megengine的FCOS的目标检测模型，主干网络ResNet34
2022-10-17 17:07:43
104.24MB
1
基于megengine的retinanet的目标检测模型，主干网络ResNet34
2022-10-17 17:07:36
111.82MB
1
megengine框架的图像分类ResNet34模型(ImageNet)
2022-10-17 12:07:35
77.24MB
1
根据鸡的图片和鸡的温度判断是否为病j鸡，flask进行可视化展示
2022-09-10 12:05:28
768.67MB
1