我刚刚开始了一个图像分类项目，按照PyTorch网站文档中的教程进行(这个)。在教程中，有一段代码如下：

model_ft = models.resnet50(pretrained=True)num_ftrs = model_ft.fc.in_featuresmodel_ft.fc = nn.Linear(num_ftrs, 20)

我已经知道了为什么需要更改全连接层（fc层）。由于我的项目需要对20个类别进行分类，所以我只是将参数从2改成了20。但是，我得到的准确率只有大约60%。当我不更改fc层，像这样：

model_ft = se_resnet50(pretrained = True)

结果准确率达到了93.75%，与之前的结果相比好得多。

我实在搞不明白为什么在修改fc层后分类结果会变差。难道不应该修改吗？

回答：

网络在20个类别中找到匹配类别可能比在两个类别中更难。

例如，如果你给它一张狗的图片，需要在猫、狗和马之间进行分类，它可能会给出60%猫、30%狗、10%马的概率，然后就错了；而如果只需要在狗和马之间分类，它可能会给出75%狗、25%马的概率，然后就对了。

微调的时间也会更长，所以如果你没有在达到收敛后停止训练，而是在固定数量的epoch后停止，那么对于20个类别进行更长时间的训练可能会得到更好的结果。