所以，我重新训练了Inception-v3网络以对特定类型的数据进行分类 - 对于训练我已经提供了200x200的图片。现在，当我在另一张200x200图片上运行图表时，它工作得很好。我想要实现的是将其转换为卷积网络的过滤器 - 即将其作为过滤器滑过整个图片，并获得每个像素在给定类中的概率。
手动操作似乎相当简单 - 只需将图片拼接成小部分，对每个部分进行分类，将结果放在一起并瞧瞧。但那效率很低。相反，我想做类似于此处描述的内容：http://cs231n.github.io/convolutional-networks/#convert。基本上，通过重塑权重来更改最后一个FC层并将其转换为CONV层。看起来很简单，但我无法弄清楚如何实际做到这一点。
我的主要问题是，在Inception-v3网络的末尾，就在最后一个FC层之前，有一个池化操作将数据重新格式化为（1,2048）形状，所以我真的不能在这里进行卷积。
有人可以帮帮我吗？
答案 0 :(得分：0)
我最直接的解决方案是最后跳过完全连接的层，因为它会导致输入图像失去其初始结构。执行Conv -> FC -> Conv似乎是多余的