imageNet2012 label是1000个label inception v3为啥是1001个label
inception_dec_2015.zip 中的标签文件是imagenet_comp_graph_label_strings.txt
共计有1001行，那么就是1001个类别
而ImageNet是1000个类别，对应的label文件ilsvrc_2012_labels.txt
问题１：为啥这两个label不一致呀？不都是用ImageNet的图片集进行训练的么？分类标签咋还不一样？
问题２：我要统计inceptionV3的分类的准确率，只有2012 labels对应的准确答案标签，我该怎么获取2015的准确答案标签？或者哪位大神提示下如何计算inception V3准确率呢？
015.zip 中的标签文件是imagenet_comp_graph_label_strings.txt
共计有1001行，那么就是1001个类别
而ImageNet是1000个类别，对应的label文件ilsvrc_2012_labels.txt
问题１：为啥这两个label不一致呀？不都是用ImageNet的图片集进行训练的么？分类标签咋还不一样？
问题２：我要统计inceptionV3的分类的准确率，只有2012 labels对应的准确答案标签，我该怎么获取2015的准确答案标签？或者哪位大神提示下如何计算inception V3准确率呢？
ResNet和VGG有1000类，但是ImageNet有1001类：
ImageNet数据集提供了一个空白背景类。如果您尝试用VGG或者ResNet进行Fine-tuning和train的时候，可能会报出如下错误：
InvalidArgumentError: Assign requires shapes of both tensors to match. lhs shape= [1001] rhs shape= [1000]
这是因为模型只有1000类而不是1001类。为了解决这个问题，您应该设置标志位--labels_offset=1。