发现与 Squeezenet 相关的最受欢迎的开源项目和工具，了解最新的开发趋势和创新。
一个 Python 库，旨在帮助开发者构建具有独立计算机视觉功能的应用程序和系统。
在CIFAR-100数据集上测试了多种卷积神经网络模型的性能，包括ResNet、DenseNet、VGG、GoogleNet、InceptionV3、InceptionV4、Inception-ResNetv2、Xception、ResNet In ResNet、ResNeXt、ShuffleNet、ShuffleNetv2、MobileNet、MobileNetv2、SqueezeNet、NasNet、残差注意力网络、SENet和WideResNet。
PyTorch中常用的预训练模型和数据集（MNIST、SVHN、CIFAR10、CIFAR100、STL10、AlexNet、VGG16、VGG19、ResNet、Inception、SqueezeNet）
基于TensorFlow的预训练权重的高级网络定义
终端智能（AoE，AI on Edge）是一个运行在终端设备上的AI集成运行时环境，能帮助开发者提高开发效率。
面向软件工程师和数据科学家的TF.Keras机器学习框架学习资源：书籍、演示文稿、工作坊、笔记本实验和模型库
使用 TensorFlow 2 实现一些基本的卷积神经网络 (CNN)，包括 MobileNetV1/V2/V3、EfficientNet、ResNeXt、InceptionV4、InceptionResNetV1/V2、SENet、SqueezeNet、DenseNet、ShuffleNetV2 和 ResNet。
SqueezeNet图像分类Android示例
[实验性] 演示如何在 Android 应用内使用 PyTorch 1.0。使用你自己的深度神经网络（例如 ResNet18/SqueezeNet/MobileNet v2）和手机摄像头进行测试。
多巴胺：基于差分隐私的医疗数据联邦学习（AAAI - PPAI）
SqueezeNet 网络的改进版本 https://github.com/DeepScale/SqueezeNet
创建一个适用于Mac/Linux系统的MXNet微调器（重新训练工具），无需安装Docker，支持CPU和GPU（包括eGPU/cuDNN），并兼容Inception、ResNet、SqueezeNet、MobileNet等模型。
具有转换后的预训练权重的 TensorFlow 版 SqueezeNet
使用迁移学习技术进行图像分类。教程已更新，并增加了使用PyTorch微调和MLflow的示例
学习如何在iOS 11中使用Core ML和Vision框架来用另一种语言描述你周围的事物！
这是一个项目，旨在将当前机器学习和人工智能的能力应用于非程序员和普通电脑用户的实际使用中，并持续开发和维护。
深度学习中近期图像分类模型的性能基准测试
注意力挤压U型网络
使用Swift进行机器学习的实时相机目标检测。Core ML、Vision和ARKit的基础介绍。
交通标志分类器及其CoreML实现
