我正在建立一个预测车辆损坏程度的分类器（例如高，低，中，好）。我提到了这个GitHub存储库
https://github.com/raviranjan0309/Car-Damage-Detector
models / tf_files中有一个retrained_label.txt文件，该文件包含四个类 不， 汽车， 高， 低
我不希望这四个课程，并且我希望我的tf能够预测以下情况之一 好， 高伤害 低伤害 中度伤害
这可能吗？ 我需要为这些课程重新培训tf吗？ 如果可以，怎么办？
谢谢
答案 0 :(得分：1)
您提到的文件中只有4个单词，说实话，很难理解它们为什么在该文件中。
通常，对于任何与张量流相关的分析，您都必须重新训练算法以能够基于新标签进行预测。
如果您不熟悉ML / DL和Tensorflow，我建议您阅读有关Titanic预测器的出色教程，在其中可以使用简单的数据库预测以下两种结果之一：生存还是死亡
然后，您可以使用类似的代码，而仅使用不同的数据集（在这种情况下，我猜是汽车数据集）来预测四个可能的损坏结果之一。唯一的问题是获取数据集 （很多示例，但这是一个示例：https://towardsdatascience.com/predicting-the-survival-of-titanic-passengers-30870ccc7e8）
如果没有至少1000个左右的数据点，其中已经列出了损坏的汽车信息，那将是非常具有挑战性的。
所以只是总结一下： 1）是的，您必须重新训练，可能还需要其他数据集 2）您可能可以根据已有的数据创建包含损坏信息的数据集 3）准备好训练/测试集后，您就可以使用简单的ML技术进行再训练