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 .