我需要微调艺术 CNN 模型（如 ResNet50）的 state 中的最后一个卷积层吗？

Question

我的毕业项目是在 CNN model 上使用迁移学习，它可以从胸部 X 射线图像中诊断出 Covid-19。 花了几天时间使用带有贝叶斯优化器的 Keras 调谐器库对超参数进行微调，例如完全连接的层数、层中的节点数、学习率和丢弃率，我得到了一些非常好的结果，一个测试多 class 分类的准确率为 98%，二进制 class 分类的准确率为 99%。 但是，我冻结了原始基础 model 中的所有层。 在详尽的超参数优化之后，我只微调了最后一个全连接层。 那里的大多数文章和论文都说他们对全连接层和一些卷积层都进行了优化。 难道我做错了什么？ 恐怕这太好了，令人难以置信。

我的数据集并不大，只有 7000 张来自 Kaggle Covid-19 比赛的图像。

我在训练和分类之前对图像使用了 N-CLAHE 等图像增强技术，与不增强图像相比，它显着提高了准确性。

我对多个 State 的艺术模型做了同样的事情，比如 VGG-16 和 ResNet50，它们都给了我极好的结果。

Answer 1

如果您的意思是“仅微调最后一个完全连接的层”，那么NO ，您没有。

您可以选择微调您选择的任何层，但最重要的是 model 的最后一层，这就是您所做的，所以您对 go 很好。