我是深度学习的初学者，正在 keras 中处理 mnist 数据集。
我使用归一化作为
tf.keras.utils.normalize(x_train, axis = 1)
我不明白轴参数是什么意思。你能帮我解决这个问题吗？
Normalize 函数只是执行常规标准化以提高性能：
标准化是对原始范围内的数据进行重新调整，因此
所有值都在 0 和 1 范围内。
在另一篇文章中对 axis 参数有一个很好的解释：
keras.argmax中axis=-1的含义是什么？ https://stackoverflow.com/questions/47435526/what-is-the-meaning-of-axis-1-in-keras-argmax
例如：
您的数据具有某种形状（19,19,5,80）。这意味着：
- 轴 = 0 - 19 个元素
- 轴 = 1 - 19 个元素
- 轴 = 2 - 5 个元素
- 轴 = 3 - 80 个元素
另外，对于那些想要深入了解的人，Keras 的作者 François Chollet 在 GitHub 上有一个解释：
- 对于 Dense 层、所有 RNN 层和大多数其他类型的层，
axis=-1 的默认值是您应该使用的，
- 对于 Convolution2D 层
与 dim_ordering=“th” （默认），使用 axis=1，
- 对于二维卷积
dim_ordering=“tf”的图层，使用 axis=-1 （即默认值）。
https://github.com/fchollet/keras/issues/1921 https://github.com/fchollet/keras/issues/1921
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
