我已经使用 ImageNet 权重初始化了 VGG16 和 InceptionV3，并使用来自 20K 图像的胸部 X 射线数据集的第一层的非常小的学习率进行了微调（因为医学图像与 ImageNet 类不同）。据报道，我发现 VGG16 没有显示过拟合，并且比 InceptionV3 更准确，因为 InceptionV3 过拟合并给出了不太准确的结果。是什么原因？
为什么 VGG-16 的性能优于 Inception V3？
数据挖掘
深度学习
分类
图像分类
2022-02-26 06:12:11
1个回答
有什么缺点？它有很多权重参数，模型很重，550 MB + 的权重大小。这也意味着很长的推理时间 为什么不让模型更深呢？更重的模型 更多的训练时间 梯度消失问题
对于给定的感受野（输出所依赖的输入图像的有效区域大小），多个堆叠的较小尺寸内核优于具有较大尺寸内核的内核，因为多个非线性层增加了网络的深度，使其能够学习更复杂的功能，而且成本也更低。3X3 内核有助于保留图像的更精细级别的属性。
其它你可能感兴趣的问题