机构名称：
¥ 1.0
首先值得注意的是训练阶段的高准确率及其在给定迭代次数下的稳定和收敛过程。不幸的是，当观察给定数量的时期内的损失函数时，这一点并不那么明显：误差在所讨论的距离上有很大的变化。另外值得注意的是旧版VGG模型所展现出的准确率和损失函数损失的提升，在这些指标上明显超越了ResNet，这可能是由于训练样本数量或者epoch次数的原因。值得注意的是，为了重现可比较的结果，ResNet 必须运行多次，这表明该模型在应用于小数据集或进行少量迭代时存在一些弱点。此外还存在关于模型某些冗余的假设。这些图表表明泛化进展顺利，这更多是由于对象的性质而不是模型本身的性能。
人工智能
主要关键词
相关文件推荐
