残差网络学习笔记

适合学习的ResNet残差网络，适合配合论文一起使用，非常适合初学者阅读的经典代码。

Deep Residual Learning for Image Recognition 深度残差网络论文笔记 蓝：生疏词汇 红：疑惑 黄：重点 绿：次重点 使用Edge浏览器可编辑

此程序是一个残差网络的程序，此文件中含有的功能可以让初学者用来学习和了解残差网络的基本原理和实现过程

主要介绍了tensorflow实现残差网络方式(mnist数据集)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

ResNet网络结构模块，可直接使用，返回值一个是loss用于损失值优化，第二个softmax输出的是预测值用于测试

伪3d张量流 用于伪 3d 残差网络的 Tensorflow 实现。 作者 yfxc 电子邮件 张量流 1.10+（不支持2.0） 介绍 Pseudo-3d-residual-network 主要用于动作识别，论文网址： : 这是张量流版本。 准备自己的数据集。 假设您将要使用 UCF 数据集。首先需要将视频转换为图像。 为此，您可以运行如下代码：（假设 UCF-101 数据集与代码文件位于同一目录中。） ./process_video2image.sh UCF101 下一步，您应该获得 train.list 和 test.list，之后您将分别从中获取训练数据和测试数据：（数字“5”表示所有数据的五分之一是测试数据。） ./process_gettxt.sh UCF101 5 注意：由于'train.list'和'test.list'中存在视频片段的Relative

vs项目，代码难度并不是很高，使用TensorFlow原生的代码，不过是本人毕设的一套代码，读取文件夹的文件的图片为批次，然后使用批次调用深度残差网络进行训练，并进行保存。压缩包里包含了测试代码，因为本人的是文字识别所以用到了的预处理是关于文字的，样本集在我其他链接里。欢迎测试！