首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >我需要微调最后的卷积层,在一个最先进的CNN模型,如ResNet50?

我需要微调最后的卷积层,在一个最先进的CNN模型,如ResNet50?
EN

Stack Overflow用户
提问于 2021-02-10 21:25:51
回答 1查看 322关注 0票数 0

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。

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2021-02-11 04:07:07

如果您的意思是“只对最后一个完全连接的层进行微调”,那么没有,您就没有。

你可以选择微调你选择的任何一层,但最重要的是模型的最后一层,这就是你所做的,所以你很适合去做。

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/66145265

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档