我有一个Inception v3 network on tfhub生成的特征向量数据库。我无权访问原始图像。载体标记有原始图像中出现的花朵的类型。给定这些向量，如何训练分类网络（上面链接的网络中缺少Inception v3的一部分）以对这些特征向量进行分类？
我已经看过类似this one的教程，它们使用Google的 retrain.py 脚本来完成类似的任务，但是该脚本输出的是完整的网络，而不仅仅是分类层，并且我不知道如何将需要的图层与图表的其余部分分开。
更新：
我在Inception v3 network is defined找到了仓库。我正在研究修改构建文件，以便可以构建只是分类层的图形，因为这似乎是我目前唯一的选择。
更新2：
我认为我毕竟可以通过使用Google的 retrain.py 脚本来完成此任务。我将尝试使用标记的特征向量预先填充 / tmp / bottlenecks 目录，使用脚本来训练网络，然后将其配置为通过传递来执行推理使用feed_dict将数据直接发送到瓶颈张量。我不知道这是否行得通，但这是我目前拥有的最好的镜头。