通常Tensorflow的初始模型与包含实际图像的实际图像数据一起使用，但是，我计划以非常规的方式使用它并且想知道，1）这是否可能2）结果可能是如此差，以至于它会最好找到一种不同的方式。
我基本上有一组文本数据，我已将其转换为数字格式，例如：
[-0.123123, 0.164564, ...]。
转换是这样的，类似的文本数据将以各自的形式具有类似的数字表示。实际数字表示处理文档中每个单词的单词向量。然后将该数据保存为.jpg文件。我计划创建两个数据类，“类似”和“非相似”，其中类似包含两个文档的串联，这两个文档已预先确定为相似且不相似，包含已预先确定的两个文档的串联是不相似的。
希望当这个模型训练过这个数据时，我可以输入一个图像数据，这是两个文档数字矩阵形式的组合，如上所示，虽然不是传统意义上的实际图像，并且模型将能够以一定的准确度输出“相似”或“非相似”，这取决于构成输入网络的基本图像的两个文件。 Tensorflow的成立是否会接受这样的输入？
答案 0 :(得分：0)
初始网络经过培训，能够识别出广泛的图案，并以非常精确的方式对照片进行分类，就像人眼一样。如果您可以用眼睛辨别文件之间的差异或相似性，那么Inception很有可能会做同样的事情：）
虽然初始化的卷积层被训练为ImageNet task，但是大部分魔法都发生在最终的完全连接的层中，其中这些数据通过softmax分类器提供，然后吐出类别和概率。 / p>
有一个名为transfer learning的东西会将这些最终图层重新训练为您选择的类别。这避免了必须重新训练30+卷积层（非常耗时），同时利用初始网络的模式识别能力。给它一个镜头，看看它出现了什么！