在微调Tensorflow Inception_V3模型时，如何消除图中添加的额外操作？

我正在尝试将一个经过微调的tensorflow inception_v3模型转换为uff格式，该格式可以在NVIDIA的Jetson TX2上运行。对于转换为uff，支持某些操作，但不支持某些操作。我能够使用tensorflow提供的imagenet检查点成功地冻结并转换为uff inception_v3模型。但是，如果我对模型进行微调，新图形中会添加额外的操作，如Floor、RandomUniform等，这些操作还不受支持。即使在冻结模型后，这些层仍会保留。这也发生在tensorflow网站上提供的flowers样本的微调中

我想了解为什么在图中添加了额外的操作，而微调只是为了修改最后一层以匹配所需的输出数量

如果它们是在训练时添加的，我如何才能消除它们？在发布imagenet的inception_v3模型之前，tensorflow团队遵循了哪些后处理步骤

如果需要，我可以共享pbtxt文件。目前，模型层详细信息上传到。我正在使用Tensorflow 1.6和GPU

我正在按照以下步骤冻结或微调模型：。如上述链接所述，要重现问题，请安装TF Slim image models library并执行以下步骤：

1. python export_inference_graph.py \
  --alsologtostderr \
  --model_name=inception_v3 \
  --output_file=/tmp/inception_v3_inf_graph.pb

2. python freeze_graph.py \
  --input_graph=/tmp/inception_v3_inf_graph.pb \
  --input_checkpoint=/tmp/checkpoints/inception_v3.ckpt \
  --input_binary=true --output_graph=/tmp/frozen_inception_v3.pb \
  --output_node_names=InceptionV3/Predictions/Reshape_1

3. DATASET_DIR=/tmp/flowers
   TRAIN_DIR=/tmp/flowers-models/inception_v3
   CHECKPOINT_PATH=/tmp/my_checkpoints/inception_v3.ckpt
   python train_image_classifier.py --train_dir=$TRAIN_DIR --dataset_dir=$DATASET_DIR --dataset_name=flowers --dataset_split_name=train --model_name=inception_v3 --checkpoint_path=${CHECKPOINT_PATH} --checkpoint_exclude_scopes=InceptionV3/Logits,InceptionV3/AuxLogits --trainable_scopes=InceptionV3/Logits,InceptionV3/AuxLogits

4. python freeze_graph.py \
  --input_graph=/tmp/graph.pbtxt \
  --input_checkpoint=/tmp/checkpoints/model.ckpt-2539 \
  --input_binary=false --output_graph=/tmp/frozen_inception_v3_flowers.pb \
  --output_node_names=InceptionV3/Predictions/Reshape_1

---

要检查图层，您可以签出.pbtxt文件或使用NVIDIA的转换为uff实用程序。

运行培训脚本->导出推理图->冻结图。这样就消除了所有额外的节点，并且模型可以很容易地转换为uff