python - 重新训练 Tensorflow 最终层，但仍使用以前的 Imagenet 类

Question

我的目标是在 Tensorflow Inception 附带的现有 1000 个 Imagenet 类中“添加”更多类。现在我可以通过从头开始训练重新运行整个事情，bazel-bin/inception/imagenet_train但这需要很长时间，尤其是每次我想添加一个新类时。

是否可以使用bazel-bin/tensorflow/examples/image_retraining/retrain --image_dir ~/flower_photos但随后添加到现有的标签输出文件？

对不起，我是新手。

Answer 1

您可以厚颜无耻地添加倒数第二层，这也指倒数第二层...当然，如果您想多次执行该过程，那是一种技巧，不切实际...

或者，您替换输出层，在此之前，您手动保存该层的先前权重，然后使用类似乐观恢复的内容重新加载整个网络并添加旧权重，您还必须单独重新加载，以您现在手动更大的权重矩阵。

Answer 2

向训练有素的分类器网络添加新类没有标准解决方案，这不是一项简单的任务。我建议阅读无遗忘的学习及其相关工作，以了解现有方法的概述，然后选择其中一种方法。