Python 重新训练Tensorflow最终层，但仍使用以前的Imagenet类

我的目标是在Tensorflow Inception附带的现有1000个Imagenet类的基础上“添加”更多的类。现在我可以通过使用

bazel-bin/inception/imagenet_-train

从头开始训练来重新运行整个过程，但这需要很长时间，尤其是每次我想添加一个新类时

是否可以使用

bazel-bin/tensorflow/examples/image\u-retaining/retain--image\u-dir~/flower\u-photos

，然后添加到现有的标签输出文件中

---

对不起，我是个新手。

你可以厚颜无耻地添加第二个最后一层，也就是第二个最后一层。。。当然，这是一种黑客行为，如果你想多次执行这个过程，这是不实际的

或者，替换输出层，在此之前，手动保存该层以前的权重，然后用类似的方法重新加载整个网络，并将旧权重（也必须单独重新加载）添加到现在更大的权重矩阵中

---

向经过训练的分类器网络添加新类没有标准的解决方案，这不是一项简单的任务。我建议阅读及其相关工作，以获得现有方法的概述，然后选择其中一种。

我想向试图回答此问题的其他人强调，您希望添加新类并保留现有类。好问题，你好。我想知道这个领域是否有新的东西？