您好，我训练了一个由6个卷积层组成的网络，其输入图像大小为100x100。
3x3x11x32 relu pool - 3x3x32x64 relu pool - 3x3x64x128 relu pool - 3x3x128x256 relu pool- 3x3x256x512 relu pool - 3x3x512x1024 relu pool。
系统经过培训和测试。使用此模型获得的测试准确性为~97%。之后，将训练后的模型的权重转移到分辨率稍低的图像上。设计类似的网络，以便将训练后的模型的权重转移到新模型中。低分辨率已调整为100x100。使用经过训练的模型的权重，低分辨率的模型不会覆盖，因此过度拟合。可能是图像的分辨率很低，并且其6层深度的体系结构很难在最终层提取有用的信息。
层从6减少到4，输入图像大小为50x50。我只是转移较早层的重量。
4层网络设计如下：
3x3x11x32 relu pool - 3x3x32x32 relu - 3x3x32x64 relu pool - 3x3x64x64 relu- 3x3x64x128 relu pool - 3x3x128x128 relu - 5x5x128x1024 relu
我想知道只比较权重到3x3x11x32，3x3x32x64和3x3x64x128的比较是可以的。其余的卷积层将使用随机权重进行初始化，并获得测试精度（无需微调），然后对模型进行微调以获得精度。看看前一层的重量如何影响？