Pytorch ResNet18 사용시 CIFAR10 데이터셋에서 낮은 성능을 보이는 경우
PyTorch에서 제공하는 ResNet18을 사용할 때, CIFAR-100 데이터셋에 대한 성능이 기대보다 훨씬 낮게 나타납니다. 정확도가 약 30~40%에 불과하여 보고된 벤치마크보다 크게 떨어집니다. 왜 이런 현상이 발생할까요? PyTorch의 ResNet18은 원래 ImageNet 데이터셋을 위해 설계되었습니다. ImageNet에서는 이미지 크기가 일반적으로 224×224 또는 256×256으로 리사이즈됩니다. 따라서 모델 아키텍처는 특히 첫 번째 합성곱 계층에서 큰 커널 크기를 사용하도록 최적화되어 있습니다: Conv2d(3, 64, kernel_size=(7, 7), stride=(2, 2), padding=(3, 3), bias=False) 반면, CIFAR-100의 이미지는 훨씬 작아서 (32×32), 이 큰 커널과 스트라이드를 그대로 사용하면 과도한 다운샘플링이 발생하여 성능에 부정적인…