为什么Resnet模型的大小比Keras中的VGG大3倍

Question

我将转移学习应用于图像分析，并在Keras上使用了两个预先训练的模型：ResNeXt50和VGG16。 （https://keras.io/applications/#resnet）

我使用两个模型的卷积层，并在它们之上添加1个FC层（1024个神经元）。训练后，我将它们另存为.h5文件，发现有些奇怪。

保存的VGG16模型的大小约为300MB，而保存的ResNeXt50模型的大小超过900MB，是VGG16的3倍以上！但是基于文档（https://keras.io/applications/#resnet）和纸张，ResNeXt50的权重应该比VGG16小得多，而尺寸要小得多。

有人知道为什么我的保存ResNeXt50模型这么大吗？

谢谢！

Answer 1

如果您实际上是通过逐层乘以模型大小来计算模型的大小（（层大小=＃filters *＃size_of_filter））。然后，对于Resnet-50，大约为 3583592 。而对于VGG-16，大约是 58728 。这清楚地表明，Resnet中的模型参数数量非常多，因此模型的大小和模型权重。