複数のsoftmax分類器をTensorFlowに追加する例

私は一般的なTensorFlowの例から始めます。複数のsoftmax分類器をTensorFlowに追加する例

データを分類するには、データに複数の独立したラベル（確率の合計は1ではありません）が含まれているため、複数のラベル（理想的には複数のsoftmaxクラシファイア）を使用する必要があります。

具体的retrain.pyにadd_final_training_ops()でこれらの行は、最終的なテンソルに

final_tensor = tf.nn.softmax(logits, name=final_tensor_name)

、ここ

cross_entropy = tf.nn.softmax_cross_entropy_with_logits(
     logits, ground_truth_input)

を追加し、既にTensorFlowにおける一般的な分類器はありますか？そうでない場合は、どのようにマルチレベルの分類を達成するには？ tensorflow/examples/image_retraining/retrain.pyから

add_final_training_ops()：

def add_final_training_ops(class_count, final_tensor_name, bottleneck_tensor): 

    with tf.name_scope('input'): 
    bottleneck_input = tf.placeholder_with_default(
     bottleneck_tensor, shape=[None, BOTTLENECK_TENSOR_SIZE], 
     name='BottleneckInputPlaceholder') 

    ground_truth_input = tf.placeholder(tf.float32, 
             [None, class_count], 
             name='GroundTruthInput') 

    layer_name = 'final_training_ops' 
    with tf.name_scope(layer_name): 
    with tf.name_scope('weights'): 
     layer_weights = tf.Variable(tf.truncated_normal([BOTTLENECK_TENSOR_SIZE, class_count], stddev=0.001), name='final_weights') 
     variable_summaries(layer_weights) 
    with tf.name_scope('biases'): 
     layer_biases = tf.Variable(tf.zeros([class_count]), name='final_biases') 
     variable_summaries(layer_biases) 
    with tf.name_scope('Wx_plus_b'): 
     logits = tf.matmul(bottleneck_input, layer_weights) + layer_biases 
     tf.summary.histogram('pre_activations', logits) 

    final_tensor = tf.nn.softmax(logits, name=final_tensor_name) 
    tf.summary.histogram('activations', final_tensor) 

    with tf.name_scope('cross_entropy'): 
    cross_entropy = tf.nn.softmax_cross_entropy_with_logits(
     logits, ground_truth_input) 
    with tf.name_scope('total'): 
     cross_entropy_mean = tf.reduce_mean(cross_entropy) 
    tf.summary.scalar('cross_entropy', cross_entropy_mean) 

    with tf.name_scope('train'): 
    train_step = tf.train.GradientDescentOptimizer(FLAGS.learning_rate).minimize(
     cross_entropy_mean) 

    return (train_step, cross_entropy_mean, bottleneck_input, ground_truth_input, 
      final_tensor)

でもsigmoidクラシファイアと再訓練を加えた後、Tensorboardは依然としてsoftmaxを示す：