Как я могу настроить, сколько весов использовать из предварительно обученной модели imagenet?

Question

Я пытаюсь построить модель обнаружения для проблемы с несколькими классами, используя Tensorflow Object Detection API.

Я использую архитектуру Inception V2 и пытаюсь перенести обучение из модели, предварительно обученной классификации Imagenet(http://download.tensorflow.org/models/inception_v2_2016_08_28.tar.gz). Я думаю, что делаю что-то не так, потому что модель, кажется, недостаточно изучена. Я предполагаю, что задачи и набор данных довольно разные, поэтому мне нужно сообщить API, сколько предварительно обученных весовkeep.

Это мой конфиг поезда.

train_config: {
  batch_size: 8
  optimizer {
    momentum_optimizer: {
      learning_rate: {
        manual_step_learning_rate {
          initial_learning_rate: 0.0001
          schedule {
            step: 900000
            learning_rate: .00001
          }
          schedule {
            step: 1200000
            learning_rate: .000001
          }
        }
      }
      momentum_optimizer_value: 0.9
    }
    use_moving_average: false
  }
  gradient_clipping_by_norm: 10.0
  fine_tune_checkpoint_type: "classification"
  fine_tune_checkpoint: "/inception_v2.ckpt"
  load_all_detection_checkpoint_vars: true
}

Я только изменил тип контрольной точки и контрольную точку.

Любые предложения о том, как улучшить производительность, приветствуются.

Спасибо!