我试图利用一个预训练的模型，如Inception v3（在2012年ImageNet数据集上训练），并将其扩展到几个缺失的类别中。
我在Ubuntu 14.04上从源码构建了TensorFlow，并启用了CUDA支持，诸如花朵的迁移学习示例运行得很好。然而，花朵的示例会移除最后一层并删除所有1000个现有类别，这意味着它现在可以识别5种花朵，但无法再识别熊猫等。例如：https://www.tensorflow.org/versions/r0.8/how_tos/image_retraining/index.html
我该如何将5个花朵类别添加到现有的1000个ImageNet类别中（并为这5个新花朵类别进行训练），这样我就可以拥有1005个类别来对测试图像进行分类？换句话说，能够同时识别熊猫和向日葵？
我知道一个选项是下载整个ImageNet训练集和花朵示例集，然后从头开始训练，但考虑到我当前的计算能力，这将需要很长时间，并且将来无法再添加例如100个更多的类别。
我有一个想法是，在用5个花朵类别重新训练时，将参数fine_tune设置为false，这样最后一层就不会被移除：https://github.com/tensorflow/models/blob/master/inception/README.md#how-to-retrain-a-trained-model-on-the-flowers-data，但我不确定如何继续，也不确定这是否会产生一个有效的具有1005个类别的模型。感谢您的意见。
回答：
遗憾的是，您无法向现有图中添加类别；您基本上需要保存一个检查点，并从该检查点开始训练该图。
