conv-neural-network - 参数个数：倒置残差块对图像分类任务的劣势

Question

我有一个关于 MobileNet 和 EfficientNet 倒置残差块的更一般的问题。我有一个复杂度较低的图像数据集的分类任务。因此我选择了一个参数很少的架构（EfficientNet B0）。但就验证损失而言，我遇到了过度拟合。浅层 ResNet、ResNext 等效果更好。这些架构使用常规残差块，因此具有更多参数。那么这里的参数数量和模型复杂度之间似乎没有关系？有人可以解释一下我在这里缺少什么吗？

Answer 1

这是一个非常有趣的问题。我也会对该主题的回应非常感兴趣。