我正在使用 CNN 进行图像分类，我有一个包含 3200 个图像的训练集和一个包含 400 个图像的训练集。我使用了两种不同的方法来进行这种分类：迁移学习和从头开始构建 CNN。

在迁移学习的情况下，我得到了 85% 的准确率，在从头开始构建网络的情况下，我得到了 89% 的准确率。

但是通常使用小数据集不应该转移学习有更好的表现吗？

首先要考虑的一件事是我使用了早期停止作为正则化技术，在迁移学习的情况下，这在 epoch 18 停止了训练过程，而对于 CNN，我从头开始到了 epoch 100，这是数字我为训练强加的时代。

有人可以帮我解决我的疑问吗？提前致谢。