在Keras，TorchVision中进行预训练的模型

Question

我有以下代码，该代码在Keras中使用经过训练的ResNet50模型和imagenet数据集：

from keras.applications.resnet50 import ResNet50
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np

model = ResNet50(weights='imagenet')
print(model)

它工作正常。.我的问题是我可以在Keras或Torchvision或TensorFlow中找到一个预先训练的模型，但要满足以下条件之一：

1) LeNet5 for MNIST DataSet
2) 32-Layer ResNet for the CIFAR-10 Dataset

我知道另一种选择是自己训练LeNet5，但首选的是经过预先训练的模型，据我搜索，我没有找到它们。 谢谢。

Answer 1

我还一直在探索Tensorflow的预训练模型前景（截至2020年1月14日），对于1）mnist预训练的lenet或2）cifar10预训练的32层resnet不存在解决方案。 / p>

老实说，我强烈怀疑大多数框架都发布了LeNet-5的预训练模型。它非常小，通常需要O（分钟）进行训练。

除了您提到的tf.keras.applications模块之外，还有一些其他可能的选择：

• official tensorflow/models repository，其中包含mnist和32-layer resnet的模型示例
• 转至WebView，其中various models已在图像网上进行了预训练

我意识到这些都不是理想的。