如何将预训练模型的输入连接到tf.train.shuffle_batch的输出？

Question

在classify_image.py中，输入的图像以

中的加载图像进行输入

predictions = sess.run(softmax_tensor,{'DecodeJpeg/contents:0': image_data})

如果我想在初始模型中添加新图层并再次训练整个模型，该怎么办？从classify_image_graph_def.pb加载的变量是否可以训练？我看到freeze_graph.py使用convert_variables_to_constants生成了冻结图。那些负载的重量是否可以再次训练，它们是否常数？如何将输入（'shuffle_batch:0'）与初始模型连接到tf.train.shuffle_batch的输出？

Answer 1

classify_image.py中使用的模型将其变量冻结为常量，并且没有任何渐变操作，因此将其转换回可训练的东西并不容易。您可以看到我们如何移除一个图层并将其替换为可训练的内容： https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/image_retraining/retrain.py

虽然很难概括。你最好在这里看一些微调的例子： https://github.com/tensorflow/models/tree/master/inception#how-to-fine-tune-a-pre-trained-model-on-a-new-task