EfficientNetB2 的層數是多少？

Question

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？

Answer 1

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！