是否有可能使用Keras在卷积神经网络的最后一层特征上训练SVM或随机森林?

Question

我在Keras中设计了一个卷积神经网络用于图像分类，其中有几个卷积/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Random Forest代替softmax，看看是否会产生更好的准确性。在Keras中有什么方法可以做到吗?

Answer 1

为了拥有(一种)支持向量机，只需使用铰链损失而不是日志损失。把RF放进去是没有意义的，因为你需要一个可微模型作为神经网络的一部分(除非你想做的就是训练一个网络，然后把它的最后一部分切掉，把它用作一个特征检测器，它只是馈送到RF中，但这通常不是一个有效的方法)。