在MoXing中进行MobileNet的增量训练，可以通过以下步骤实现：

1、修改参数：在“mox.run”中，修改“log_dir”参数，并新增“checkpoint_path”参数，log_dir”参数建议设置为一个新的目录，“checkpoint_path”参数设置为上一次训练结果输出路径，如果是OBS目录，路径填写时建议使用“obs://”开头。

2、标签变化处理：如果标注数据中的标签发生了变化，在运行“mox.run”前先执行相关操作，需要执行如下语句：“mox.set_flag(‘checkpoint_exclude_patterns’, ‘logits’)”，logits”表示根据不同网络中分类层权重的变量名，配置不同的参数，此处填写其对应的关键字。

3、模型微调：基于TensorFlow 2.x，可以使用预训练的MobileNetV2模型对花卉图像识别任务进行优化，解释特征提取和模型微调的概念，然后展示如何在Keras中利用预训练模型进行微调，通过微调，可以提高模型在验证集上的准确率。

4、增量训练：在完成上述步骤后，即可进行增量训练，增量训练是指在已有训练基础上，继续训练模型以提高性能的过程，在MoXing中，可以通过调整训练参数、增加训练数据等方式进行增量训练。

在进行增量训练时，需要注意以下几点：一是确保新的训练数据与原始训练数据的分布一致，以避免模型过拟合；二是合理设置训练参数，如学习率、批大小等，以确保训练过程的稳定性和效率；三是定期评估模型的性能，以便及时调整训练策略。