在 Tensorflow 中使用初始模型进行迁移学习 (python)
Transfer learning with inception model in Tensorflow (python)
如何加载 .pb protobuf 模型，然后根据需要调整网络（特别是外层），以便为完全不同的 类 训练新模型？有效地进行迁移学习？
我想做一些类似 的事情（即用比内层更大的学习率训练外层）等等，所以我需要一种方法不仅可以用变量加载图形, 但也要改变网络的结构和超参数。
如果有人有一个可以遵循初始模型的例子，那就太棒了！
我的问题与this one非常相似。
我在整个互联网上进行了搜索（TF 文档、Github、Whosebug、Google...）但是我找不到对新手有用的东西。
非常感谢！
tf.import_graph_def() 是加载 GraphDef 的函数：
https://www.tensorflow.org/versions/0.6.0/api_docs/python/framework.html#import_graph_def
希望导入后，您可以对所需的图表进行修改。不过，如果您有权访问 Python 代码，首先修改生成图形的代码会更容易。
这是来自 Tensorflow 官方网站的更新教程 https://www.tensorflow.org/hub/tutorials/image_retraining
他们使用预训练的 Inception V3 模型，一切正常。您可以将数据集文件夹更改为您自己的数据集
如何加载 .pb protobuf 模型，然后根据需要调整网络（特别是外层），以便为完全不同的 类 训练新模型？有效地进行迁移学习？
我想做一些类似
如果有人有一个可以遵循初始模型的例子，那就太棒了！
我的问题与this one非常相似。
我在整个互联网上进行了搜索（TF 文档、Github、Whosebug、Google...）但是我找不到对新手有用的东西。
非常感谢！
tf.import_graph_def() 是加载 GraphDef 的函数：
https://www.tensorflow.org/versions/0.6.0/api_docs/python/framework.html#import_graph_def
希望导入后，您可以对所需的图表进行修改。不过，如果您有权访问 Python 代码，首先修改生成图形的代码会更容易。
这是来自 Tensorflow 官方网站的更新教程 https://www.tensorflow.org/hub/tutorials/image_retraining
他们使用预训练的 Inception V3 模型，一切正常。您可以将数据集文件夹更改为您自己的数据集