在图像分类任务中，如何选择合适的卷积神经网络架构？

答题要点

可采用STAR法则，先说明任务背景（S），再描述选择架构的思路和行动（T、A），最后提及预期结果（R）。关键要点：1. 数据特点：考虑图像的大小、分辨率、类别数量等。2. 模型复杂度：根据计算资源和时间限制选择合适的复杂度。3. 性能指标：关注准确率、召回率等指标。4. 可扩展性：选择易于扩展和改进的架构。示例思路：在图像分类任务中，首先分析数据特点，若图像较小、类别少，可选择简单的架构如LeNet；若数据复杂，可考虑ResNet等。同时结合计算资源和性能指标，选择能在合理时间内达到较好效果的架构，以提高分类准确率。