Python 如何使tensorflow初始模型适用于输入通道大于3的图像堆栈？

我正在尝试在TensorFlow Inception中重新实现（PyTorch ResNet）。在构建一个使用20通道图像堆栈的模型时，代码非常简单

self.model=resnet101（pretrained=True，channel=20）.cuda（）

尽管如此，在TensorFlow中没有修改输入通道数量的规定。我能想到的解决方法是导入imagenet数据（RGB，3通道）上预训练的初始模型，并将所需变量添加到模型图中，以适应20通道输入。我不知道这是否可以在TensorFlow中完成

类似的问题：

---

还有一个没有太多信息的教程：

您想对现有的、经过培训的模型（如初始模型）进行微调，还是从头开始培训模型？我想对现有模型进行微调。我所需要做的就是复制输入层中的权重，以适合这样的20通道图像堆栈—我想对TensorFlow上的mobilenet也这样做