使用张量流源示例中提供的retrain.py脚本，我重新训练了inception-v3模型的顶层，以便能够对花集进行分类（提供的图像集为5花）。
我现在要做的是采用新的转移学习模型（TL模型），并使用两组新花进行扩展，而无需完全重新训练整个模型。 （5类花 - > 7类花）
我的方法：
用TL模型替换基本模型（inception-v3）并尝试在启动时构建它。这导致顶层的张量和操作的各种重复以及softmax子图的丢失。
加载TL模型的元图。如果我只需要将新图像添加到模型中已存在的以前类别的花中，这种方法看起来效果很好。添加新类别会破坏此方法并导致崩溃，因为元图和要训练的新模型之间存在张量大小差异。
恢复检查点，导致与元图表相同的问题。
我觉得我从根本上错过了一些东西并从错误的方向处理这个问题。任何见解都非常感谢。
答案 0 :(得分：0)
（根据@ dga的请求从评论转换为答案）
不幸的是，如果不对模型结构进行一些“脑部手术”，这并不容易。我没有一个很好的答案，因为我自己从未这样做过，但理论上你应该能够将旧的五类全连接层恢复为一个新的扩展七类版本，然后重新运行培训