在张量流中使用预训练的对象检测模型。使用哪些参数？

Question

我想知道如何在张量流对象检测仓库中使用预训练的模型。我不确定我是否理解正确。

这是对link

中提出的问题的扩展

我的想法：
Tensorflow基于配置文件构建模型。现在来看一下预训练的模型并遍历每一层。如果层在名称上在两者之间匹配，则参数/权重将保留，如果层不匹配，则参数/权重将不保留。

让我们说我想对ssd mobilenet v1 coco使用预先训练的模型。我的新模型有100个班级。 tf所做的是，它使用旧值初始化与新模型的前90个类相对应的卷积层，同时在训练开始时为其他模型选择随机值。现在，如果我的新模型只有10个类，则将它们用预先训练的coco模型的前10个类进行初始化。

OR

对应于类的特定卷积层与预训练模型的形状不匹配，因此不保留？因为在SSD中，用于确定分数/类/框坐标值的卷积包含在多个卷积层中，每个卷积层中都有多个对应于不同值的滤波器。

Answer 1

正如您自己说的那样，如果图层不相同-不会从检查点/预先训练的模型中加载该图层，并且会对其进行初始化。 如果更改类的数量，则更改相应的层，无论它是完全连接的（例如，输出神经元的数量）还是卷积（通道的数量）。 因此，如果您更改类的数量-所有受影响的层都将初始化。