Tensorflow：经过培训的Google-Inception V3模型，我应该依靠哪一个？

Question

在开始学习Inception v3模型对图像进行分类时，使用了以下教程： https://github.com/tensorflow/models/blob/master/tutorials/image/imagenet/classify_image.py

其中包含以下模型下载链接：

DATA_URL = 'http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz'

或inception-v3-2015-12-05版本。我试图验证该官方模型是否与Google Inception V3论文Rethinking the Inception Architecture for Computer Vision中使用的模型匹配。但是，当我在ImageNet的50K验证图像上运行此模型时，获得了以下Top-1准确性结果：

• 50,000 ILSVRC-2012验证集：77.6％（38,802 / 50,000）
• ILSVRC-2012验证集上的
• 48,238个未列入黑名单的示例**：80.03％（38,607 / 48,238）

**请注意，黑名单是从ILSVRC2014's Devkit获得的：ILSVRC2014_clsloc_validation_ground_truth.txt

但是，如paper中所述，前1个错误/准确度表示为Inception V3 paper's Top-1 accuracy之后，无法匹配。

此外，我从here找到了一个更新的2016-08-28版本模型，该模型说明了初始v3的Top-1准确性为78.0％，也与本文不匹配。

此外，我注意到2015-12-05 version模型的输出softmax张量的大小为1008，而2016-08-28版本的softmax张量的大小为1001。

因此，我对以下问题感到好奇：

1. inception-2015-12-05（名称为classify_image_graph_def.pb）和inception-2016-08-28的训练规格是什么？单一作物还是基本作物还是什么？是否有引用其top1汇率结果的信息？
2. 本文中的inception_v3基本是什么？
3. 两个模型实际上都可靠吗？为什么对两张图片都运行验证图片却没有得出论文所述的结果？
4. 有人可以解释一下“单作实验”和“单帧”吗？

提前谢谢！