我想训练GoogleNet,最好使用tensorflow estimators,因为我现有的代码是围绕估计量编写的。困难之处在于Googlenet具有多个辅助分类器,它们仅使用部分真正的估计量,应按顺序进行训练(有关内容,请参见论文,尤其是图3)。
这在低级张量流中相对容易实现,在这里我可以简单地定义几个损失和训练操作。
但是,在Estimator()
类的定义中,我看不到如何实现同一目标。似乎在初始化时,估算器会构建自己的图,因此我无法让多个估算器共享同一图,并且我看不到在用于初始化a的model_fn
中提供不同损失和训练操作的方法单一估算器。
是否有使用估算器的相对简单的方法,还是我应该采用低层实现?