机器学习/张量流初学者。
这些已经训练好的模型是否可以加载到tfjs上并在那里重新训练，然后导出到下载文件夹中，还是必须使用Tensorflow Python才能实现？
我看到这个过程在Tensorflow Python的教程中描述得很详细且文档齐全，但遗憾的是，我找不到任何关于在浏览器中使用tfjs重新训练对象检测模型的文档/教程（图像分类有，对象检测没有）。
我知道如何使用npm加载coco-ssd模型，然后可能还能触发将其保存到下载文件夹，但以下这些怎么办：
- 配置文件（需要修改，因为我只想要一个类，而不是90个）
- 带注释的图像（包括.jpg、.xml和.csv）
- labels.pbtxt
- .record文件
是否有任何方法可以重新训练像ssd_inception_v2_coco这样的ssd模型，或者我只是没有找到正确的谷歌关键词，或者在当前框架状态下这是不可能的？
回答：
您可以通过使用coco-ssd模型作为特征提取器来进行迁移学习。一个迁移学习的例子可以在这里看到。
这里有一个模型，使用特征提取器作为新顺序模型的输入来提取特征。
const loadModel = async () => { const loadedModel = await tf.loadModel(MODEL_URL) console.log(loadedModel) // take whatever layer except last output loadedModel.layers.forEach(layer => console.log(layer.name)) const layer = loadedModel.getLayer(LAYER_NAME) return tf.model({ inputs: loadedModel.inputs, outputs: layer.output });}loadModel().then(featureExtractor => { model = tf.sequential({ layers: [ // Flattens the input to a vector so we can use it in a dense layer. While // technically a layer, this only performs a reshape (and has no training // parameters). // slice so as not to take the batch size tf.layers.flatten( { inputShape: featureExtractor.outputs[0].shape.slice(1) }), // add all the layers of the model to train tf.layers.dense({ units: UNITS, activation: 'relu', kernelInitializer: 'varianceScaling', useBias: true }), // Last Layer. The number of units of the last layer should correspond // to the number of classes to predict. tf.layers.dense({ units: NUM_CLASSES, kernelInitializer: 'varianceScaling', useBias: false, activation: 'softmax' }) ] });})为了从coco-ssd的90个类别中检测单个对象，可以简单地对coco-ssd的预测结果进行条件测试。
const image = document.getElementById(id)cocoSsd.load() .then(model => model.detect(image)) .then(prediction => {if (prediction.class === OBJECT_DETECTED) { // display it the bbox to the user}})如果类别在coco-ssd中不存在，则需要构建一个检测器。
