CNN+SVM

问题:

到底能不能使用CNN和SVM一起来实现端对端训练呢?

答:

查到的好像是可以,参考文献如下:
https://arxiv.org/abs/1306.0239
文中说使用L2 SVM
下面这个链接也有说明怎么使用,大概意思就是把最后一层的FC当作SVM和CNN一起训练,即设置个损失函数就ok了
https://blog.csdn.net/ying86615791/article/details/71366184?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1-71366184-blog-86527295.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1-71366184-blog-86527295.pc_relevant_default&utm_relevant_index=2

其他查到的都是不可以,都是CNN和SVM是单独训练的

譬如下面这个说明了原因

:https://blog.csdn.net/nima1994/article/details/79971009?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522165326777516780366577483%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=165326777516780366577483&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2blogfirst_rank_ecpm_v1~rank_v31_ecpm-1-79971009-null-null.nonecase&utm_term=SVM%E5%88%86%E7%B1%BB&spm=1018.2226.3001.4450

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: CNN是一种人工神经网络的结构,可以用来处理图像、语音和自然语言等任务,尤其在计算机视觉中应用广泛。CNN的特点是通过层次化的结构,逐步提取和抽象数据的特征。其中,卷积层负责提取局部特征,池化层负责减少数据的维度和参数量,全连接层负责将特征映射到输出。CNN在图像识别、目标检测等领域取得了很大的进展。 SVM支持向量机),是一种常见的机器学习算法,尤其在分类问题中表现出色。SVM能够找到一个超平面,将不同类别的数据分开,具有很好的泛化能力。在SVM中,通过选择合适的核函数,可以将数据映射到高维空间,从而得到非线性判别式。SVM除了分类问题,还可以用于回归问题和异常检测等任务。 MATLAB是一种广泛使用的科学计算软件,它可以进行矩阵计算、数值分析、信号处理、图像处理、优化等领域的计算。MATLAB提供了丰富的工具箱和函数,可以快速实现各种算法。例如,在计算机视觉领域,MATLAB提供了用于图像处理和计算机视觉的工具箱,包括图像处理、计算机视觉、深度学习等。 综上,CNNSVM和MATLAB是在各自领域中非常重要的工具和技术。CNN是处理图像、语音和自然语言任务的常见深度学习结构,SVM是分类问题中表现出色的机器学习算法,MATLAB是进行科学计算和算法开发的广泛使用的软件。同时,CNNSVM也可以用MATLAB实现。 ### 回答2: CNNSVM和MATLAB都是机器学习领域中常用的工具。CNN是卷积神经网络,它是一种广泛用于计算机视觉和图像处理领域的深度学习模型,能够自动提取图像中的特征。SVM支持向量机,它是一种监督学习方法,可用于分类和回归分析。SVM的优势在于它能够有效处理高维数据,并且可以在数据集较小的情况下具有良好的性能。MATLAB是一种高性能数值计算和可视化软件,广泛用于科学和工程领域,包括机器学习。MATLAB提供了丰富的工具箱和函数,能够帮助用户进行数据预处理、特征提取、模型评估等操作。此外,MATLAB还支持GPU加速,能够提高训练模型的速度和性能。综上所述,CNNSVM和MATLAB都是机器学习领域中非常重要的工具和技术,对于解决机器学习问题具有重要的作用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值