我正在使用VGG16的转移学习来执行回归任务，但是我很快就变得过度适合。我想减少回归参数（最后一层）的数量，我该怎么做？
答案 0 :(得分：0)
假设您不重新训练初始层并仅添加输出层，则无法减少可训练参数的数量，但是您可以尝试通过在两者之间添加一个Dropout层来克服过度拟合的问题。像这样的东西。
尽管您应该记住，VGG16的权重是使用适合分类任务的损失函数训练的（例如分类交叉熵），这给我的印象是您的模型只会根据对象是猜测长度（这可能会甚至是这个主意，但是看起来像昆虫的大型汽车可能要比看起来像建筑物的小型汽车更小。）