为什么VGG16给出较少的NO。总参数？

Question

from tensorflow.keras.applications import VGG16

pre_trained_model = VGG16(weights='imagenet', include_top=False, input_shape=(224, 224, 3))

model = Sequential()

model.add(pre_trained_model)

model.add(GlobalAveragePooling2D())

model.add(Flatten())

model.add(Dense(512, activation='relu'))

model.add(Dense(1, activation='sigmoid'))

model.summary()

总数VGG16中的参数为1.38亿。但是，检查没有。在参数中，仅提供1​​4,977,857。任何人都可以解释为什么No有所不同。总参数。即使我检查总数。 pre_trained_model中的参数，也不等于1.38亿。

Answer 1

您有include_top = false参数集，它丢弃了VGG16的顶部FC层。如果您设置include_top = true并检查preed_trained_model.summary（），您将在底部看到这些行：

flatten (Flatten)           (None, 25088)             0         
                                                                 
 fc1 (Dense)                 (None, 4096)              102764544 
                                                                 
 fc2 (Dense)                 (None, 4096)              16781312  
                                                                 
 predictions (Dense)         (None, 1000)              4097000   
                                                                 
=================================================================
Total params: 138,357,544
Trainable params: 138,357,544

现在您拥有所需的138m参数。

这里学到的教训：NN中的大多数参数实际上来自FC层。顺便说一句，与FC相比，这一事实再次证明了卷积层的轻度。