自定义Tensorflow集线器模块的输入

我知道如何从中加载预先训练的图像模型。像这样：

#load model
image_module = hub.Module('https://tfhub.dev/google/imagenet/mobilenet_v2_035_128/feature_vector/2')

#get predictions
features = image_module(batch_images)

我还知道如何自定义此模型的输出（在新数据集上进行微调）。现有的

模块

期望输入的

批处理图像

为RGB图像张量

我的问题：我想使用张量（dim 20x20x128，来自不同模型）作为轮毂模型的输入，而不是特定尺寸的RGB图像。这意味着我需要传递tf hub模型定义的初始层（我不需要它们）。这在tf集线器模块api中可能吗？这方面的文件不清楚

p、 美国：我可以通过定义自己的层轻松做到这一点，但试着看看是否可以使用Tf Hub API。

现有的。。。模块不支持此功能

一般来说，hub.Module格式允许多个签名（即输入/输出张量的组合；将feed和fetches看作tf.Session.run（）中的格式）。因此，如果模块发布者希望支持一种通用的使用模式，那么他们可以对此进行安排

---

但对于这种复杂程度的自由形式实验，最好直接使用和调整定义模型的代码，例如TF Slim（用于TF1.x）或Keras应用程序（也用于TF2）。两者都提供了Imagenet预先训练的检查点，以便下载和恢复。我得出了相同的结论。hub更易于模型预测。Slim或Keras更适合我的用例。