卷积神经网络的最后一层若是选用简单的机器学习模型来分类(如SVM)，那么该怎么样进行参数更新
不就是换个loss吗，只要能产生梯度就bp
■网友
把最后一层的分类器当成一个layer, 求梯度然后更新权值即可~
■网友
常见监督问题的神经网络 都可以看做由两部分组成，所有隐藏层构成的特征转换器，输出层看作是基于新表示/特征的 简单浅层模型。
【卷积神经网络的最后一层若是选用简单的机器学习模型来分类(如SVM)，那么该怎么样进行参数更新】 所以，平时最后一层用的全连接+ softmax 只是个例子而已。它的选择依赖要解决的具体问题，选合适的就好，只要loss 可以计算梯度。
而隐藏层构成的特征转换器更robust一些，主要与数据类型相关，如图片还是语音等。它的目的是，使得在原有表示下线性不可分的样本，经过特征转换后，变得线性可分。
■网友
有一篇论文是 deep learning using SVM，您可以看看。思路是原始的SVM loss是hinge loss，并不是处处可导的（这种是L1-SVM）。所以作者采用的squared hinge loss，这样处处可导（L2-SVM），你就可以反向传播梯度下降了。
至于多分类的SVM，传统的one-vs-rest SVM就可以达到目的。
推荐阅读
![[收费站]4月23日广州市新冠肺炎疫情情况](http://dayu-img.uc.cn/columbus/img/oc/1002/620544fc6d2985b32a694501a5ada9e2.jpg)
- 高速|高速限速120，跑到125算不算超速？交警：最后再说一次，记好
- 考生|最后一天，考生们加油疫情下不一样的高考！49万人应考
- 汽车知识|无后驱不豪华盘点3款后驱豪车，最后一款20万不到
- 趣头条|大男人最后的疯狂，喜提路虎揽胜运动版!
- 汽车消费网|“东本飞度”/坦克300终于都来了，2020最后一波新车
- 汽车|2020最后一战 奔驰四大顶级“高手”组成最佳锋线
- 超跑密探|2020年车市最后一波新款来袭，你看中哪款？
- |2020年最后一个月 这些新规开始实施！
- 有哪些开始很不被看好，最后却逆袭成功的产品
- 水滴汽车App|锈迹斑驳标牌与空无一车，亲历华晨中华的最后时刻