我刚从pytorch网站（this）上的文档开始根据该教程进行图像分类项目。在该教程中，有一部分代码是这样的：
model_ft = models.resnet50(pretrained=True)
num_ftrs = model_ft.fc.in_features
model_ft.fc = nn.Linear(num_ftrs, 20)
我知道应该更改fc层的原因。由于我的项目需要对20个类进行分类，所以我将参数从2更改为20。但是，我得到的准确度只有60％左右。当我不这样更改fc层时：
model_ft = se_resnet50(pretrained = True)
事实证明，准确度达到93.75％，比以前的结果要好得多。
我只是想不出为什么我在修改fc层时会得到较差的分类结果。不应该修改吗？
答案 0 :(得分：0)
对于网络而言，找到20个类别之间的匹配类别可能比两个类别之间更难。
例如，如果给它一个狗图像，并且需要在猫，狗和马之间对其进行分类，则它可能会发送60％的猫，30％的狗，10％的马，然后出错 而如果只需要在狗和马之间进行分类，则可能会得到75％的狗，25％的马，然后变得可赖。
finetunnig也将更长，因此，如果您在收敛后但没有固定的时间段后仍未停止训练，则如果在20个班级中对其进行了更长的训练，则可能会获得更好的结果。