'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
312
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
|
12天前
|
机器学习/深度学习
数据采集
TensorFlow
|
7天前
|
机器学习/深度学习
数据采集
TensorFlow
|
7天前
|
机器学习/深度学习
人工智能
自然语言处理
|
9天前
|
机器学习/深度学习
算法
开发者
探索深度学习中的优化器选择对模型性能的影响
在深度学习领域，优化器的选择对于模型训练的效果具有决定性作用。本文通过对比分析不同优化器的工作原理及其在实际应用中的表现，探讨了如何根据具体任务选择合适的优化器以提高模型性能。文章首先概述了几种常见的优化算法，包括梯度下降法、随机梯度下降法（SGD）、动量法、AdaGrad、RMSProp和Adam等；然后，通过实验验证了这些优化器在不同数据集上训练神经网络时的效率与准确性差异；最后，提出了一些基于经验的规则帮助开发者更好地做出选择。
18
3
3
|
9天前
|
机器学习/深度学习
算法
数据可视化
|
8天前
|
机器学习/深度学习
人工智能
算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统，使用Python作为主要开发语言，基于深度学习TensorFlow框架，搭建卷积神经网络算法。并通过对数据集进行训练，最后得到一个识别精度较高的模型。并基于Flask框架，开发网页端操作平台，实现用户上传一张图片识别其名称。
28
0
0
|
8天前
|
机器学习/深度学习
人工智能
算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统，本系统使用Python作为主要编程语言，通过收集了8种常见的蔬菜图像数据集（'土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'），然后基于TensorFlow搭建卷积神经网络算法模型，通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面，实现用户上传一张蔬菜图片识别其名称。
43
0
0
|
13天前
|
机器学习/深度学习
数据采集
数据库
|
10天前
|
机器学习/深度学习
数据采集
TensorFlow
|
11天前
|
机器学习/深度学习
算法
深度学习中的模型优化策略
【10月更文挑战第35天】在深度学习的海洋中，模型优化是那把能够引领我们抵达知识彼岸的桨。本文将从梯度下降法出发，逐步深入到动量、自适应学习率等高级技巧，最后通过一个实际代码案例，展示如何应用这些策略以提升模型性能。
26
1
1
热门文章
最新文章
1
手把手教你用Python实践深度学习
2
基于深度学习的动物识别系统（YOLOv5清新界面版，Python代码）
3
二维码及条形码智能检测软件（Python+YOLOv5深度学习模型+清新界面）
4
Facebook这样看“深度学习”技术
5
深度学习模型在图像识别中的应用：CIFAR-10数据集实践与准确率分析
6
如何从系统层面优化深度学习计算？
7
智能火焰与烟雾检测系统（Python+YOLOv5深度学习模型+清新界面）
8
云栖科技评论第15期：IBM联合NVIDIA开发世界上“最快商用深度学习系统”
9
IBM：最新突破将大幅提升深度学习速度
10
领域最全 | 计算机视觉算法在路面坑洼检测中的应用综述(基于2D图像/3D LiDAR/深度学习)（下）
1
算法金 | 深度学习图像增强方法总结
145
2
使用Python实现深度学习模型：文本生成与自然语言处理
120
3
深度学习在图像识别中的应用与挑战
29
4
深度学习中的自动学习率调整方法探索与应用
61
5
图神经网络是一类用于处理图结构数据的神经网络。与传统的深度学习模型（如卷积神经网络CNN和循环神经网络RNN）不同，
90
6
在深度学习中，数据增强是一种常用的技术，用于通过增加训练数据的多样性来提高模型的泛化能力。`albumentations`是一个强大的Python库，用于图像增强，支持多种图像变换操作，并且可以与深度学习框架（如PyTorch、TensorFlow等）无缝集成。
96
7
深度学习在图像识别中的应用与挑战
38
8
探索深度学习在图像识别中的应用及其挑战
50
9
使用Python实现深度学习模型：图像风格迁移与生成
54
10
深度学习在自然语言处理中的应用与挑战
59