我想知道Tensorflow Inception实施中的课程数量。
在他们的training script中,他们加载由图像和标签组成的训练集。接下来,为了计算损失,他们将number of classes定义为:
# Number of classes in the Dataset label set plus 1.
# Label 0 is reserved for an (unused) background class.
num_classes = dataset.num_classes() + 1
您可以看到他们使用"未使用的背景类"。您还可以在创建训练集时看到此方法:build_image_data.py
那么,为什么你需要这样一个未使用的背景类? (特别是因为你从输出层得到了一个额外但无用的预测)
答案 0 :(得分:2)
这是我们用于所有图像数据集的惯例,对于这个特定的模型而言,打破它似乎并不值得。 顺便说一句,我希望所有学术分类数据集在测试评估中都有'没有上述'class 。不知道什么时候不知道的分类器在实践中没有用。 (vanhoucke)
https://groups.google.com/a/tensorflow.org/forum/#!topic/discuss/9G-c2K_GCmk