你好，我正在尝试使用Xception进行迁移学习，并且有一个问题。当我这样做时：

xception=Xception(input_shape = (IMAGE_WIDTH, IMAGE_HEIGHT, IMAGE_CHANNELS, include_top=False, weights='imagenet')   IMAGE_WIDTH=192 IMAGE_HEIGHT=256 IMAGE_CHANNELS=3

每个epoch的时间大约是830秒

当我这样做时：

xception=Xception(input_shape = (150, 150, IMAGE_CHANNELS, include_top=False, weights='imagenet')

每个epoch的时间大约是340秒

我的原始图像尺寸是IMAGE_WIDTH和IMAGE_HEIGHT

我想选择后者因为它更快，但我希望知道你的意见。将input_shape设置为原始尺寸是否会带来更好的结果？

回答：

是的，应该会带来更好的结果。然而，这高度依赖于你的数据集和实验。无法确切说出性能会有什么不同，但肯定会更慢。

这是一个权衡问题。

• 更好的结果 –> 更慢的模型
• 稍差的结果 –> 更快的模型