使用VGG16进行回归时如何减少过度拟合？

Question

我正在使用VGG16的转移学习来执行回归任务，但是我很快就过度适应了。 我想减少回归参数（最后一层）的数量，我该怎么做？

Answer 1

假设您不重新训练初始层并仅添加输出层，就无法减少可训练参数的数量，但是您可以尝试通过在两者之间添加一个Dropout层来解决过度拟合问题。

尽管您应该记住，VGG16的权重是使用适合分类任务的损失函数（例如分类交叉熵）训练的，但是这给我的印象是您的模型将仅根据对象是什么猜测长度（甚至可能是对象的长度）。这个想法，但是看起来像昆虫的大型汽车的尺寸可能要比看起来像建筑物的小型汽车的尺寸小）。