keras 规范化轴参数有什么作用？

Question

我是深度学习的初学者，我正在 keras 中研究 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？

Answer 1

normalize 函数只是执行常规归一化以提高性能：

归一化是从原始范围重新调整数据，使所有值都在 0 和 1 的范围内。

在另一篇文章中对轴参数有一个很好的解释：

keras.argmax中axis=-1是什么意思？

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，GitHub 上有来自 François Chollet - Keras 的作者 - 的解释：

• 对于 Dense 层、所有 RNN 层和大多数其他类型的层，轴=-1 的默认值是您应该使用的，
• 对于带有dim_ordering="th"（默认）的Convolution2D 层，使用axis=1，
• 对于带有dim_ordering=“tf”的Convolution2D 层，使用axis=-1（即默认值）。

https://github.com/fchollet/keras/issues/1921