resnet

最大规模的 PyTorch 图像编码器/骨干集合，包含训练、评估、推理、导出脚本与预训练权重——ResNet、ResNeXT、EfficientNet、NFNet、Vision Transformer (ViT)、MobileNetV4、MobileNet-V3 & V2、RegNet、DPN、CSPNet、Swin Transformer、MaxViT、CoAtNet、ConvNeXt 等

使用 TensorRT 网络定义 API 实现流行的深度学习网络

设计或可视化神经网络架构的工具。

预训练的 Pytorch 人脸检测（MTCNN）和人脸识别（InceptionResnet）模型

带有预训练骨干的分割模型。Keras 与 TensorFlow Keras。

在cifar100上实现（ResNet、DenseNet、VGG、GoogleNet、InceptionV3、InceptionV4、Inception-ResNetv2、Xception、Resnet In Resnet、ResNext、ShuffleNet、ShuffleNetv2、MobileNet、MobileNetv2、SqueezeNet、NasNet、Residual Attention Network、SENet、WideResNet）

OpenMMLab 预训练工具箱与基准测试

校招、秋招、春招、实习好项目！带你从零实现一个高性能的深度学习推理库，支持大模型 llama2、Unet、Yolov5、Resnet 等模型的推理。一步步实现高性能深度学习推理库。

基于 PyTorch 的 DeepLab v3+ 模型，支持多种主干网络。

整合深度学习模型进行图像分类 | 主干网络学习/比较/魔改项目

基于 PyTorch 的多模态 2D/3D 医学图像分割深度学习框架

使用 PyTorch 进行分类

面向研究与生产的说话人确认、识别与分割工具包

在 PyTorch 中正确实现适用于 CIFAR10/100 的 ResNet-s，并符合原始论文的描述。

基于 TensorFlow 的 EEG 任务（信号）分类深度学习库。

Adan：用于加速优化深度模型的自适应 Nesterov 动量算法

更具可读性与弹性的 yolov5，支持更多 backbone（gcn、resnet、shufflenet、mobilenet、efficientnet、hrnet、swin-transformer 等）与（cbam、dcn 等）以及 tensorrt。

使用多张 GPU 从原始视频中提取视频特征。支持 RAFT 光流帧，以及 S3D、I3D、R(2+1)D、VGGish、CLIP 与 TIMM 模型。

通过同步分群与表征学习进行自我标记 (ICLR 2020)

Nature Scientific Reports 论文“使用深度神经网络对切除的肺腺癌切片进行病理学家等级的组织学模式分类”之代码。一种用于分类高分辨率全切片图像（通常为显微镜或组织病理学图像）的滑动窗口框架。