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