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？