Machine learning 在多标签数据集（如CIFAR-100）上培训Inception v3的最佳方法是什么？

我试图训练《盗梦空间》v3，其中每个图像都属于一个类和一个超类，由其“精细”标签和“粗糙”标签表示。我的目标是让模型能够更准确地推断图像类及其超类。例如，95%的确定度预测一张苹果照片包含“水果和蔬菜”，80%的确定度预测它包含“苹果”

假设我已经生成了包含两个标签的TFRecords文件，那个么最理想的方法是什么

features = {
'image/encoded': bytes_feature(image_data),
'image/format': bytes_feature(image_format),
'image/class/fine_label': int64_feature(fine_class_id),
'image/class/coarse_label': int64_feature(coarse_class_id),
'image/height': int64_feature(height),
'image/width': int64_feature(width),
}