Tensorflow 对应于ResNet-152（3×；）和ResNet-152（2×；）中的2和3

我使用Resnet-50和Resnet-152来实现我的代码， 我读到：

我们还注意到，ResNet-152（3×+SK）仅略优于ResNet-152（2×+SK）

因此，我想解释一下ResNet-152（3×）和ResNet-152（2×）之间的主要区别，这意味着什么对应于2和3？ 谢谢

3x和2x都表示“宽度”。更大的宽度对应更多的参数，这意味着执行更多的计算

根据（表1），ResNet-152（3×+SK）有7.95亿个参数，而ResNet-152（2×+SK）只有3.54亿个参数（即减少两倍）。然而，就准确性而言，两者的表现几乎相同

如果我要在这两种型号中进行选择，我会选择较小的型号——ResNet-152（2×+SK）。

当我发现：

总参数：63090563 可培训参数：4719619 不可培训参数：58370944

是2倍还是3倍