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@)