问题：

给定一个用于图像分类的神经网络$1000$类，目标是创建另一个模型，该模型将输出神经网络对特定输入图像给出正确预测的概率。

想法：

到目前为止，我的想法是：

• 创建一个卷积网络并使用原始图像和一个标签对其进行训练，该标签指示第一个 NN 预测它是否正确。
• 创建一个完全连接的网络，并使用第一个 NN的隐藏层/特征的输出而不是原始图像以及之前的标签对其进行训练。
• 创建一个全连接网络，并使用第一个 NN的softmax 层的 top-k输出和标签对其进行训练。

第一种方法的准确度为$0.51$， 第二$0.58$和最后一个$0.79$.

您能否建议另一种可以实现更高准确性的方法（或对上述方法进行修改）？