我从
torchvision.modelsDEFAULTDEFAULT但是训练结果真的很奇怪，ResNet50模型的训练精度和测试精度分别是89和85，而ResNet101是34、28！
出了什么问题？
我冻结了整个模型，只训练了 FC 层，该层被修改为具有 4 个输出（等于类的长度）
我都使用了 5 个 epoch。
为什么ResNet101比ResNet50差？
这样不是更好吗？因为有更多层（深度）
这样不是更好吗？因为有更多层（深度）
更多层意味着模型更复杂并且容量更大，但这并不意味着它会表现更好。更复杂的模型可能难以收敛，这意味着与更简单的模型相比，它获得的训练和验证分数较低。
如果它收敛得很好，它仍然可能走得太远并且过度拟合，这意味着与更简单的模型相比，它在训练集上得分很高，但在验证集上得分较差。如果您的数据集已经相对较小且缺乏多样性，这种情况将会加剧。
不要使用相同的方案训练两个模型，而是对较大的模型尝试较低的学习率和/或更少的时期。这将减少过度拟合的机会。