18000 个参数的卷积神经网络在 CIFAR10 数据集上能达到多少精度？

Question

我想训练一个小型深度学习模型。我的BSconvnet有18000参数能达到73.5%准确率。不知道网上有没有模型比我的更厉害。

Answer 1

CIFAR-10 Benchmark (Image Classification) | Papers With Code The current state-of-the-art on CIFAR-10 is VIT-L/16 (Background, Spinal FC). See a full comparison of 230 papers with code. https://paperswithcode.com/sota/image-classification-on-cifar-10

精度排行自己看，有些是大模型，有些是小模型，你自己对比下精度。
至于参数量，虽然说参数量大的情况下模型一般比较好，而且一般是同一个架构的模型才可以这么说，比如reset50就会比resnet18好。其他情况下不能百分比说参数量就能衡量一个模型比另外一个模型好，具体还是得看最终的精度说话。
另外衡量一个模型的好坏，除了精度外，还有个速度的问题，特别是小模型，就是在牺牲一定精度的情况下换取大量的速度上提升。从精度上面来看，对比sota排行你的这个73.5并不算高，那么速度方面你做测试了吗