是否可以使用Keras在卷积神经网络的最终层特征上训练SVM或随机森林？

Question

我在Keras设计了一个卷积神经网络，用于图像分类，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。我想用最后一层中的SVM或随机森林替换softmax，看看是否能产生更好的准确性。在Keras有什么办法吗？

Answer 1

为了拥有（种类）SVM，只需使用铰链损失而不是记录丢失。放置RF是没有意义的，因为你需要一个可微分的模型作为神经网络的一部分（除非你想要做的就是训练一个网络，然后砍掉它的最后一部分并用它作为一个特征探测器，它只是输入RF，但这不是一般的有效方法。