我需要微調藝術 CNN 模型（如 ResNet50）的 state 中的最后一個卷積層嗎？

Question

我的畢業項目是在 CNN model 上使用遷移學習，它可以從胸部 X 射線圖像中診斷出 Covid-19。 花了幾天時間使用帶有貝葉斯優化器的 Keras 調諧器庫對超參數進行微調，例如完全連接的層數、層中的節點數、學習率和丟棄率，我得到了一些非常好的結果，一個測試多 class 分類的准確率為 98%，二進制 class 分類的准確率為 99%。 但是，我凍結了原始基礎 model 中的所有層。 在詳盡的超參數優化之后，我只微調了最后一個全連接層。 那里的大多數文章和論文都說他們對全連接層和一些卷積層都進行了優化。 難道我做錯了什么？ 恐怕這太好了，令人難以置信。

我的數據集並不大，只有 7000 張來自 Kaggle Covid-19 比賽的圖像。

我在訓練和分類之前對圖像使用了 N-CLAHE 等圖像增強技術，與不增強圖像相比，它顯着提高了准確性。

我對多個 State 的藝術模型做了同樣的事情，比如 VGG-16 和 ResNet50，它們都給了我極好的結果。

Answer 1

如果您的意思是“僅微調最后一個完全連接的層”，那么NO ，您沒有。

您可以選擇微調您選擇的任何層，但最重要的是 model 的最后一層，這就是您所做的，所以您對 go 很好。