Tensorflow 我们可以用mobilenet展示不合身的情况吗？

是否有任何例子可以证明/证明我们在使用mobilenet对图像进行分类时也可以看到不匹配

我曾尝试在ml5.js中使用mobilenet进行迁移学习和特征提取，因为它已经在数千张图像上进行了训练，即使我只添加和训练了3张新图像，我似乎也得到了正确的结果

我正在寻找一个例子，这样我就可以向用户证明，在mobilenet中也可能出现不合身的情况。它可以通过在构建模型时更改特定参数或接近某个参数来实现。打开任何技术堆栈（tensorflow.js/Ml5.js/keras）

例如，这来自keras的文档：

application_mobilenet(
  input_shape = NULL,
  alpha = 1,
  depth_multiplier = 1,
  dropout = 0.001,
  include_top = TRUE,
  weights = "imagenet",
  input_tensor = NULL,
  pooling = NULL,
  classes = 1000
)

mobilenet_preprocess_input(x)

mobilenet_decode_predictions(preds, top = 5)

mobilenet_load_model_hdf5(filepath)

那么，是否存在用户可以更改并观察差异/不匹配的变量

此外，这里还有一个代码实验室链接，用于使用mobilenet和tensorflow.js进行图像分类。基本上，我想做一些类似的事情，但只是向用户表明，这里也可能存在不合身的情况。有没有办法修改这个代码

@亲密选民：如何“基于意见”地询问如何不适合某个模型？