[英]what is the number of layers in EfficientNetB2?
知道 EfficientNet-B0 的總層數是 237,而 EfficientNet-B7 的總層數是 813,那么 EfficientNetB2 的總層數是多少?
如果您使用 keras 在 EfficientNetB2 model 上打印len(model.layers)
,您將擁有 342 層。
import tensorflow as tf
from tensorflow.keras.applications import EfficientNetB2
model = EfficientNetB2(weights='imagenet')
print(len(model.layers))
如果您願意,您可以對所有其他版本的 EfficientNetBx 執行此操作。
但正如Pradyut所說,當我們計算它們時,通常不會考慮所有層:
在計算神經網絡中的層數時,我們通常只計算卷積層和全連接層。 池化層與卷積層一起算作一層,而 Dropout 是一種正則化技術,因此它也不會算作單獨的層。
作為參考,VGG16模式定義為16層model。 這 16 層只是卷積層和全連接密集層。 如果計算所有池化層和激活層,它將變為 41 層 model,但事實並非如此。 參考:VGG16、VGG16論文
因此,根據您的代碼,您有 3 層(1 個具有 28 個神經元的卷積層、1 個具有 128 個神經元的全連接層和 1 個具有 10 個神經元的全連接層)
至於使其成為 10 層網絡,您可以在 output 層之前添加更多的卷積層或密集層,但 MNIST 數據集不需要。
我希望我回答了你的問題!
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.