带有附加图像集的微调/再培训转移学习模型

Question

使用tensorflow源代码示例中提供的retrain.py脚本，我重新培训了inception-v3模型的顶层，以便能够对花集进行分类(提供了5朵花的图像集)。

我现在要做的是，采用新的迁移学习模式(TL-模式)，然后用两组新的花来扩展它，而不必完全重新训练整个模型。(5种花卉-> 7种花卉)

我的方法：

• 将基本模型(inception-v3)替换为TL模型，并尝试在启动时构建该模型。这导致了张量和操作在顶层的各种重复，以及softmax子图的丢失。
• 在TL模型的元图中加载。这种方法看起来很好，如果我只需要添加新的图像到以前的花卉类别已经出现在模型中。添加一个新的类别打破了这种方法，并导致它崩溃，因为元图和新模型之间存在张量大小差异。
• 恢复检查点，导致与元图相同的问题。

我觉得我从根本上遗漏了一些东西，从错误的方向处理这个问题。任何洞察力都会受到极大的赞赏。

Answer 1

(根据@dga的请求，从评论转换为答复)

不幸的是，如果不对模型结构做一些“脑外科手术”，这并不容易。我没有一个很好的答案，因为我自己从来没有这样做过，但从理论上讲，您应该能够将旧的五个类别完全连接的层恢复到一个新的扩展的七类版本中，然后重新运行培训。