我面临的问题是我需要训练一个带有“maincategories”和“subategories”的张量流图。
我已经知道如何使用“maincategories”完全训练图表。
例如，我有3种不同的动物类型：猫，狗和大象。
如果我训练带有图片的图表到这3种类型，它将返回3种类型的分数，如：
cat 0,7
狗0,3
elephant 0,02
我想要的是训练这些类型的3种类型和子类别，例如：
猫：白色，肥胖，...... 狗：哈士奇，......当我现在用这个图表对图像进行分类时，我希望得到一个带有maincategories和子类别的输出，如下所示：
cat：0,7 - ＆gt;白色：0,3 - ＆gt;脂肪：0,5
狗：0,2 .....目前，我看到的唯一方法是使用主要类别训练图表，并使用子类别训练所有主要类别的单个图表，然后编写如下代码：
if name=='cat' and score>=0,7:
classify again with catgraph and get results
在该示例中，catgraph将被训练为具有不同类型的cattypes。
然而，这并不是非常优雅，我希望有更好的方法来做到这一点。
我感谢你能给我的任何帮助。
〜喵
答案 0 :(得分：0)
你可以训练一个带有两个输出的图形，除了最后一层（或者你喜欢的图层）之外的所有内容。然后你会得到每个的（比如）logloss，并根据损失的总和进行优化。如果您受到网络学习能力的束缚，您可能需要权衡一次损失。
请记住在摘要中跟踪两个损失以便于可视化。您可以将损失添加到损失集合中。
答案 1 :(得分：0)
您必须单独训练子类别。将--image_dir指向子类别的根目录。注意：这里引用的子类别是子文件夹。然后像使用主类别一样获取每个子类别的输出。我希望这会有所启发。您可以参考Tensorflow image retraining