'alexnet': 'https://download.pytorch.org/models/alexnet-owt-4df8aa71.pth', 'densenet121': 'http://data.lip6.fr/cadene/pretrainedmodels/densenet121-fbdb23505.pth', 'densenet169': 'http://data.lip6.fr/cadene/pretrainedmodels/densenet169-f470b90a4.pth', 'densenet201': 'http://data.lip6.fr/cadene/pretrainedmodels/densenet201-5750cbb1e.pth', 'densenet161': 'http://data.lip6.fr/cadene/pretrainedmodels/densenet161-347e6b360.pth', 'inceptionv3': 'https://download.pytorch.org/models/inception_v3_google-1a9a5a14.pth', 'resnet18': 'https://download.pytorch.org/models/resnet18-5c106cde.pth', 'resnet34': 'https://download.pytorch.org/models/resnet34-333f7ec4.pth', 'resnet50': 'https://download.pytorch.org/models/resnet50-19c8e357.pth', 'resnet101': 'https://download.pytorch.org/models/resnet101-5d3b4d8f.pth', 'resnet152': 'https://download.pytorch.org/models/resnet152-b121ed2d.pth', 'squeezenet1_0': 'https://download.pytorch.org/models/squeezenet1_0-a815701f.pth', 'squeezenet1_1': 'https://download.pytorch.org/models/squeezenet1_1-f364aa15.pth', 'vgg11': 'https://download.pytorch.org/models/vgg11-bbd30ac9.pth', 'vgg13': 'https://download.pytorch.org/models/vgg13-c768596a.pth', 'vgg16': 'https://download.pytorch.org/models/vgg16-397923af.pth', 'vgg19': 'https://download.pytorch.org/models/vgg19-dcbb9e9d.pth', 'vgg11_bn': 'https://download.pytorch.org/models/vgg11_bn-6002323d.pth', 'vgg13_bn': 'https://download.pytorch.org/models/vgg13_bn-abd245e5.pth', 'vgg16_bn': 'https://download.pytorch.org/models/vgg16_bn-6c64b313.pth', 'vgg19_bn': 'https://download.pytorch.org/models/vgg19_bn-c79401a0.pth',
深度学习预训练模型下载
2022-11-26
364
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
深度学习预训练模型下载
相关文章
|
2天前
|
机器学习/深度学习
数据采集
自然语言处理
深度学习实践技巧：提升模型性能的详尽指南
深度学习模型在图像分类、自然语言处理、时间序列分析等多个领域都表现出了卓越的性能，但在实际应用中，为了使模型达到最佳效果，常规的标准流程往往不足。本文提供了多种深度学习实践技巧，包括数据预处理、模型设计优化、训练策略和评价与调参等方面的详细操作和代码示例，希望能够为应用实战提供有效的指导和支持。
12
0
0
|
2月前
|
机器学习/深度学习
数据可视化
TensorFlow
|
1月前
|
机器学习/深度学习
存储
人工智能
MNN：阿里开源的轻量级深度学习推理框架，支持在移动端等多种终端上运行，兼容主流的模型格式
MNN 是阿里巴巴开源的轻量级深度学习推理框架，支持多种设备和主流模型格式，具备高性能和易用性，适用于移动端、服务器和嵌入式设备。
405
18
18
|
2月前
|
机器学习/深度学习
数据采集
数据挖掘
|
2月前
|
机器学习/深度学习
数据采集
供应链
|
2月前
|
机器学习/深度学习
数据采集
搜索推荐
|
2月前
|
机器学习/深度学习
数据采集
数据挖掘
|
2月前
|
机器学习/深度学习
数据采集
数据挖掘
|
2月前
|
机器学习/深度学习
数据采集
搜索推荐
|
2月前
|
机器学习/深度学习
数据采集
数据挖掘
热门文章
最新文章
1
深度学习中模型训练的过拟合与欠拟合问题
2
PyTorch生态系统中的连续深度学习：使用Torchdyn实现连续时间神经网络
3
ModelScope深度学习项目低代码开发
4
深度学习在安全事件检测中的应用：守护数字世界的利器
5
深度学习在流量监控中的革命性应用
6
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
7
基于深度学习的路面裂缝检测算法matlab仿真
8
分析对比大模型OCR、传统OCR和深度学习OCR
9
深度学习在资源利用率优化中的应用：让服务器更聪明
10
深度学习工具和框架详细指南：PyTorch、TensorFlow、Keras
1
DeepMind发布Matryoshka（套娃）量化：利用嵌套表示实现多精度LLM的低比特深度学习
16
2
分析对比大模型OCR、传统OCR和深度学习OCR
40
3
从零开始深度学习：全连接层、损失函数与梯度下降的详尽指南
13
4
深度学习工具和框架详细指南：PyTorch、TensorFlow、Keras
19
5
深度学习实践技巧：提升模型性能的详尽指南
12
6
深入探索：深度学习在时间序列预测中的强大应用与实现
14
7
深度学习在资源利用率优化中的应用：让服务器更聪明
17
8
基于深度学习的路面裂缝检测算法matlab仿真
27
9
ModelScope深度学习项目低代码开发
149
10
深度学习在流量监控中的革命性应用
70