再会！
我有一个名人数据集，我想在其中微调 keras 内置模型。到目前为止，我已经探索和完成了，我们移除了原始模型的顶层（或者最好通过 include_top=False）并添加我们自己的层，然后训练我们新添加的层，同时保持之前的层冻结。这整个事情很像直觉。
现在我需要的是，我的模型学会识别名人面孔，同时还能够检测它之前训练过的所有其他对象。最初，在 imagenet 上训练的模型带有 1000 个神经元的输出层，每个神经元代表一个单独的类。我对它应该如何检测新类感到困惑？所有的迁移学习和微调文章和博客都告诉我们用不同的 N 神经元层（N = 新类的数量）替换原来的 1000 个神经元输出层。就我而言，我有两个名人，所以如果我有一个带有 2 个神经元的新层，我不知道模型将如何对原始的 1000 个 imagenet 对象进行分类。
我需要一个关于这整个事情的指针，我究竟如何才能让一个预训练的模型教两个新的名人面孔，同时还保持其识别所有 1000 个 imagenet 对象的能力。
谢谢！