pytorch跑ResNet和vgg16模型准确率相差较大

同一个数据集，ResNet能跑到88%的准确率，而vgg16只能跑到70%左右，是哪里出问题了吗

有差别是很正常的，ResNet是多少层的？
一般而言ResNet的层数比较多的，所以效果也就会好一些。
如果你觉的差别太大的话，也可以不断尝试微调vgg的参数，看看能不能出来一个更好的结果

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7806347
• 你也可以参考下这篇文章：pytorch实现的Resnet18、VGG16
• 除此之外, 这篇博客: pytorch 使用预训练模型如resnet、vgg等并修改部分结构中的 小结 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• 总结来说，pytorch提供的网络模型还是比较实用的，对于不需要大幅修改的网络结构只要直接调用再局部修改就可以，满足一了一些简单的深度学习需求场景，可以不需要自己重新写一遍网路结构了。

  在修改方面，基于pytorch模型的定义方式，我们只要知道其模型结构，这一点可以直接查找pytorch这部分的源码，了解到成员变量的名字，如果是Sequential，可以再通过_modules这个字典查找，都将能够较容易的找到被修改的那一层，直接替换成我们需要的结构即可。当然，替换后与训练的权重就不见了，取而代之的是随机初始化权重。