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

ResNet34-C32

resnet34_ibn_a-94bc1577.7z

Pytorch CIFAR-10分类（ResNet34）

TensorFlow2.0_ResNet 使用TensorFlow-2.0的ResNet（ ResNet18，ResNet34，ResNet50，ResNet101，ResNet152 ）实现 有关更多的CNN，请参见 。 火车 要求： Python> = 3.6 Tensorflow == 2.0.0 要在自己的数据集上训练ResNet，可以将数据集放在原始数据集文件夹下，目录应如下所示： |——original dataset |——class_name_0 |——class_name_1 |——class_name_2 |——class_name_3 运行脚本split_dataset.py将原始数据集拆分为训练集，有效集和测试集。 更改config.py中的相应参数。 运行train.py开始培训。 评估 运行valuate.py评估模型在测

ResNet34,ResNet50,ResNet101网络结构文本文档记录，学习自用

libtorch实现的Resnet34残差网络网络，对Cifar-10数据集进行训练和分类，测试集分类准确率达到94.05%

百度网盘 resnet18-5c106cde resnet34-333f7ec4 resnet50-19c8e357 resnet101-5d3b4d8f r esnet152-b121ed2d

利用深度学习神经网络模型训练医学影像模型，实现五分类，最终预测所给图片所患的病

ResNet是2015年 ILSVRC 的赢家（图像分类，定位及检测），主要亮点是残差结构对于梯度消失具有重要的限制作用。文件提供了网络中不同类型的层的配置参数包括batch_size, width,height,channel,momentum,decay，learning_rate等。