怎样才能最好地描述两种深度学习模式(深、宽、浅、大、小)的差异？

Question

我用一个骨干网络做了实验。我接受了它，然后我减少了过滤器的数量，并做了一些其他的实验。请注意，我没有更改原始骨干网络的层数。请注意，原始模型需要非常多的参数，而新的模型(我只更改了卷积层中的过滤器数量)需要的参数非常少。假设原来的模型是模型A，新模型是模式B。

在尝试报告/编写实验时，我想我不能说模型A是深模型，模型B是较浅的模型，因为我没有改变模型A的深度来设计模型B。我应该用什么词来描述模式B？我觉得说小模特儿听起来很奇怪，但我找不到合适的词。有人能帮忙吗？

更准确地说，假设这是我最初的模型，模型A架构(设计模型，培训前)

我将模型A的卷积层中的滤波器数量从24减少到12，以获得B型结构(设计模型，训练前)。那么，B型是

使用在线工具创建模型图像

谢谢。

Answer 1

把B模型描述为较小的模型对我来说是完全可以接受的。较小的参数意味着较少的可训练参数，能够准确地描述模型。显然，这个模型有很多种方式可以更小；但是，只要您在介绍这两种模型时描述它们之间的差异，就应该清楚您的意思。