machine-learning - 如何在 keras 中使用 categorical_hinge 损失以便在最后一层使用 SVM 进行训练？

Question

我想使用 SVM 训练 CNN 在最后一层进行分类。我知道 categorical_hinge 是最好的损失函数。我有 6 个类要分类。我的模型如下图:

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、数据处理或者损失函数有问题吗？

模型在某个点之后不会学习任何内容，如image所示我该怎么办？

Answer 1

你的模型有一个输出神经元，这不可能适用于 6 个类。模型的输出应有 6 个神经元。此外，模型的输出不应具有激活函数，以便生成分类铰链可以使用的逻辑。

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