问我需要微调最后的卷积层，在一个最先进的CNN模型，如ResNet50？

EN

我的毕业设计是使用CNN模型上的转移学习，它可以从胸部X光图像中诊断新冠肺炎。利用贝叶斯优化器利用Keras调谐器库对完全连通层数、层中节点数、学习速率、下降率等超参数进行微调，得到了很好的结果，多类分类的测试准确率为98%，二进制分类的测试准确率为99%。然而，我冻结了所有的层在原来的基础模型。我只微调了最后一个完全连接的层后，详尽的超参数优化。大多数的文章和论文说，他们精细的完全连接的层，以及一些卷积层。我做错什么了吗？恐怕这太好了，不可能是真的。

我的数据集没有那么大，只有7000张来自卡格尔新冠肺炎比赛的图片。

在训练和分类之前，我在图像上使用了not等图像增强技术，与不增强图像相比，提高了图像的准确率。

我同样做了多个先进的模型，如VGG-16和ResNet50，他们都给了我极好的结果。