兩個問題：TensorFlow：添加到類預先訓練盜夢空間模型與1.4.3完整圖像層次
1）有誰知道我是否可以添加新的圖像類預先訓練盜-V3模式？例如，我想在許多國旗上訓練TensorFlow，但我需要確保我仍然可以識別來自ImageNet層次結構的圖像。我意識到有一種方法可以擦除Inception的頂層，並在我的課程中完全重新訓練模型，但這非常有限且耗時。
2）此外，有沒有辦法輸出包含圖像接收標籤的整個層次？我希望不僅能夠特別看到Inception將圖像標記爲圖像，還希望看到來自ImageNet的所有更廣泛的「同義詞集」。例如，我不是隻看到輸出「玩具獅子狗」，而是對「動物/家養動物/狗/貴賓犬/玩具獅子狗」感興趣。
任何反應非常感謝。
1）輸出層是softmax，這意味着它具有預定義數量的神經元，每一個都是爲一個特定的類定義的。從技術上講，你可以執行Network Surgery，這樣它就會在輸出層有一個神經元，代表你的新類。但是您必須對您的網絡進行額外的培訓，以便更新其所有權重以考慮新班級。壞消息 - 這可能需要一段時間，因爲更新會影響整個網絡，而且網絡也是巨大的。好消息 - 預訓現有網絡的這種變化將比從頭開始學習一切都要快。
2）是什麼讓你認爲這樣的層次結構存在？當然，你不可能知道任何有關數據的內部表示。當然，你可以檢查每個功能中神經元的激活，甚至可以將它們想象成...但是你必須嘗試去理解這些激活是什麼意思。也許你不會找到你期望看到的任何層次結構。總結一下 - 瞭解神經網絡如何在內部表示數據並非易事。其實 - 非常困難。
建議進一步閱讀： https://github.com/tensorflow/models/tree/master/inception
，請注意文檔的this part - 它是密切相關的＃1
這裏是一些解釋： https://github.com/tensorflow/models/issues/2510。
所以有可能以某種方式微調模型，如果有模型檢查點。 下面是示例細化和微調的回購鏈路： https://github.com/tensorflow/models/tree/master/research/slim/
是的，你可以，我最近做了非常相似的事情，在我的情況下，它是致病植物葉片vs健康植物葉片。第3版已經開始訓練，你將要做的是轉移學習。轉移學習是一種技巧，通過爲ImageNet等一系列類別提供完全培訓的模型，並從現有的新班級權重中重新訓練，從而縮短了大量工作量。
鏈接：Image Retraining at tensorflow.org
視頻來源：YouTube video tutorial，Hvass實驗室有一些偉大的視頻資源來糾正你的問題。