两个问题:

1) 有人知道是否可以在预训练的Inception-v3模型上添加新的图像类别吗？例如，我想用TensorFlow训练多种国家旗帜，但需要确保仍然能够识别ImageNet层次结构中的图像。我意识到有一种方法可以清除Inception的顶层并在我的类别上完全重新训练模型，但这非常有限且耗时。

2) 另外，有没有一种方法可以输出包含图像所接收标签的整个层次结构？我希望不仅能看到Inception具体标记图像的内容，还想看到ImageNet中所有更广泛的“synsets”。例如，不仅看到输出“玩具贵宾犬”，我还对“动物/家养动物/狗/贵宾犬/玩具贵宾犬”感兴趣。

任何回应都将不胜感激。

回答：

1) 输出层是softmax，这意味着它具有预定义数量的神经元，每个神经元对应一个特定类别。从技术上讲，你可以执行网络手术，使输出层多一个神经元来代表你的新类别。但是，你需要对网络进行额外的训练，以便更新所有权重以适应新类别。坏消息是——这可能需要一段时间，因为更新会影响整个网络，而且网络非常庞大。好消息是——对现有预训练网络进行这样的更改会比从头开始学习要快。

2) 你为什么认为这样的层次结构存在呢？你无法确切了解数据的内部表示。当然，你可以检查每个函数中神经元的激活情况，甚至可以对其进行可视化……但你需要自己尝试理解这些激活的含义。很可能你找不到你期望看到的任何层次结构。总而言之——理解ANN如何内部表示数据是一项不容易的任务。实际上——这是一项极其困难的任务。

建议进一步阅读:https://github.com/tensorflow/models/tree/master/inception

请注意文档的这一部分 – 它与你的问题#1密切相关