Machine learning 如何在keras中使用分类_铰链损失，以便在最后一层使用SVM进行训练？

我想训练一个CNN使用SVM在最后一层分类。我知道分类铰链是最好的损失函数。我有6门课要分类。 我的模型如下所示：

model = Sequential()    
model.add(Conv2D(50, 3, 3, activation = 'relu', input_shape = train_data.shape[1:]))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(50, 3, 3, activation = 'relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(50, 3, 3, activation = 'relu'))

model.add(Flatten())
model.add(Dense(400, activation = 'relu'))
model.add(Dropout(0.5))
model.add(Dense(128, activation = 'relu'))
model.add(Dropout(0.5))
model.add(Dense(1, activation = 'sigmoid'))

网络、数据处理或丢失功能是否存在问题

模型在点之后不学习任何内容，如图所示

---

我该怎么办？

您的模型只有一个输出神经元，这不可能适用于6个类。模型的输出应该有6个神经元。此外，模型的输出不应具有激活功能，以便生成分类铰链可以使用的logit

---

请注意，分类铰链是最近（2-3周前）添加的，因此它非常新，可能没有多少人测试过它。

使用

铰链
丢失和
线性
激活最后一层

model.add(Dense(nb_classes), W_regularizer=l2(0.01))
model.add(Activation('linear'))

model.compile(loss='hinge',
              optimizer='adadelta',
              metrics=['accuracy'])

欲了解更多信息，请访问
我删除了激活函数，将目标变量更改为分类，并对网络进行了培训，但我认为培训不正确。这个模型几乎没有任何改进。在150个时期内，准确率保持在18-20%。编译功能有什么问题吗？