Fatal编程技术网
  • computer-vision/
  • Computer vision 是否可以使用Keras在卷积神经网络的最后一层特征上训练SVM或随机森林？

Computer vision 是否可以使用Keras在卷积神经网络的最后一层特征上训练SVM或随机森林？

computer-vision neural-network keras

Computer vision 是否可以使用Keras在卷积神经网络的最后一层特征上训练SVM或随机森林？,computer-vision,neural-network,svm,conv-neural-network,keras,Computer Vision,Neural Network,Svm,Conv Neural Network,Keras,我在Keras中设计了一个用于图像分类的卷积神经网络，其中包括几个卷积/最大池层、一个密集连接的隐藏层和最后一层的softmax激活。我想在最后一层用支持向量机或随机森林替换softmax，看看这是否会产生更好的精度。在Keras中有什么方法可以做到这一点吗？为了让（某种）SVM简单地使用铰链损失而不是对数损失。放置RF没有意义，因为你需要一个可微模型作为神经网络的一部分（除非你想做的只是训练一个网络，然后切掉它的最后一部分，并将其用作一个特征检测器，它只是输入RF，但这通常不是一个有效的方法）

我在Keras中设计了一个用于图像分类的卷积神经网络，其中包括几个卷积/最大池层、一个密集连接的隐藏层和最后一层的softmax激活。我想在最后一层用支持向量机或随机森林替换softmax，看看这是否会产生更好的精度。在Keras中有什么方法可以做到这一点吗？

为了让（某种）SVM简单地使用铰链损失而不是对数损失。放置RF没有意义，因为你需要一个可微模型作为神经网络的一部分（除非你想做的只是训练一个网络，然后切掉它的最后一部分，并将其用作一个特征检测器，它只是输入RF，但这通常不是一个有效的方法）