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?

Posted

技术标签:

【中文标题】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?【英文标题】:Is it possible to train an SVM or Random Forest on the final layer feature of a Convolutional Neural Network using Keras? 【发布时间】:2016-12-24 21:44:37 【问题描述】:

我在 Keras 中设计了一个用于图像分类的卷积神经网络,它具有多个卷积/最大池化层、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 SVM 或随机森林替换 softmax,看看这是否会产生更好的准确性。在 Keras 有什么办法吗?

【问题讨论】:

【参考方案1】:

为了拥有(某种)SVM,只需使用 hinge loss 而不是 log loss。放置 RF 没有意义,因为您需要一个可微的模型作为神经网络的一部分(除非您要做的只是训练一个网络,然后砍掉它的最后一部分并将其用作特征检测器,这只是馈入 RF,但这通常不是有效的方法)。

【讨论】:

以上是关于是否可以使用 Keras 在卷积神经网络的最后一层特征上训练 SVM 或随机森林?的主要内容,如果未能解决你的问题,请参考以下文章

如何在keras中可视化卷积神经网络中间层的输出?

用于训练考虑 keras 中最后一层的网络

如何在 Keras 中建模卷积循环网络 (CRNN)

卷积神经网络

卷积神经网络参数个数的计算

在使用 Keras categorical_crossentropy loss 时,是不是应该在最后一层使用 softmax?