环境：
tensorflow 2.1
最好用GPU
模型：
Resnet：把前一层的数据直接加到下一层里。减少数据在传播过程中过多的丢失。
SENet： 学习每一层的通道之间的关系
Inception: 每一层都用不同的核（1×1，3×3，5×5）来学习.防止因为过小的核或者过大的核而学不到图片的特征。
用Resnet ，SENet， Inceptiont网络训练Cifar10 或者Cifar 100.
训练数据：Cifar10 或者 Cifar 100
训练集上准确率：97.11%左右
验证集上准确率：90.22%左右
测试集上准确率：88.6%
训练时间在GPU上：一小时多
权重大小：21
2021-05-13 13:53:51
55KB
1
Keras实现Inception-v4, Inception - Resnet-v1和v2网络架构
2021-05-13 09:30:12
4.64MB
1
Inception-v3 使用 2012 年的数据针对 ImageNet 大型视觉识别挑战赛训练而成。它处理的是标准的计算机视觉任务，在此类任务中，模型会尝试将所有图像分成 1000 个类别，如 “斑马”、“斑点狗” 和 “洗碗机”。
2021-05-11 15:56:53
170.09MB
1
Fréchet Inception Distance (FID score) in PyTorch所需模型文件。
2021-05-10 15:51:51
91.2MB
1
gan的数据集........................................................
2021-05-07 09:00:43
253.22MB
1
项目使用hadoop，hive2链接，org.apache.hive.jdbc.HiveDriver依赖
2021-05-06 17:52:20
30.36MB
1
ssd_inception_v2_coco_2017_11_17.tar.gz的模型，可用于目标检测
2021-05-01 20:31:57
265.24MB
1