Inception-ResNet-v2模型由多少层组成?我认为他们是96但我不确定 . 请确认一下
https://pic2.zhimg.com/v2-04824ca7ee62de1a91a2989f324b61ec_r.jpg
我的训练和测试数据也分别包括600和62个图像 . 我使用的是三种型号:ResNet-152,Inception-ResNet和DenseNet-161,它们有以下数量的参数:
ResNet-152:总参数:58,450,754可训练参数:58,299,330非训练参数:151,424
DenseNet-161:总参数:26,696,354可训练的参数:26,476,418非训练参数:219,936
Inception-ResNet:总参数:54,339,810可训练参数:54,279,266非训练参数:60,544
这些模型的数据是否太稀缺?此外,ResNet模型验证/测试曲线是最平滑的,然后是DenseNet的曲线和Inception-ResNet模型是最颠簸的 . 为什么会这样?
1 回答
基于Inception ResNet V2,作为https://github.com/titu1994/Inception-v4/blob/master/inception_resnet_v2.py中的apears
ResNet V2有467层,如下所示
要查看图层的完整描述,可以下载inception_resnet_v2.py文件并在其末尾添加以下两行:
关于你的第二个问题(下次我建议你拆分问题而不是将它们一起编写) - 是的,这些数据很可能根本不足以培训任何这些网络 . 坦率地说,即使对于不起眼的VGG也是不够的,除非以聪明的方式使用增强 - 在我看来,即便如此,这也是一个近距离的呼叫 .
如果适用,您应该考虑使用已发布的权重,或者至少使用它们进行转移学习 .