带有子类别的Tensorflow python分类训练

我面临的问题是，我需要训练一个带有“主类别”和“子类别”的tensorflow图

我已经知道如何用“主要类别”来完全训练图形

例如，我有三种不同的动物类型：猫、狗和大象

如果我将带有图片的图表训练为这3种类型，它将返回3种类型的分数，如：

第0,7类

狗0,3

大象0,02

我想要的是培训这3种类型和这些类型的子类别，例如：

猫：白色，脂肪

狗：哈士奇

当我现在用这个图对一幅图像进行分类时，我想得到一个主要类别和子类别的输出，如下所示：

猫：0,7->白色：0,3->脂肪：0,5

狗：0,2

目前，我看到的唯一方法是使用maincategories训练一个图形，并使用子类别训练所有maincategories的单个图形，然后编写如下代码：

if name=='cat' and score>=0,7:
  classify again with catgraph and get results

在本例中，catgraph将是一个使用不同CATTYPE作为类别的训练集

然而，这不是很优雅，我希望有更好的方式来做到这一点

我感谢你能给我的任何帮助

---

~Meow

您可以训练一个具有两个输出的图形，共享除最后一层（或最多一层）之外的所有内容。然后你会有一个（比如）logloss，并根据损失的总和进行优化。如果你被网络的学习能力所束缚，你可能想权衡其中一种损失

---

记住在摘要中跟踪这两个损失，以便于可视化。您可以将损失添加到损失集合。

您必须单独训练子类别。将

--image_dir

指向子类别的根。注意：这里我指的子类别是子文件夹。然后获得每个子类别的输出，就像主类别一样。我希望这能给我们一些启示。你可以参考