如何在不使用Tensorflow的情况下在Python中实现Leaky ReLU的派生类？
有没有比这更好的方法了？我希望函数返回一个numpy数组
def dlrelu(x, alpha=.01):
# return alpha if x < 0 else 1
return np.array ([1 if i >= 0 else alpha for i in x])
在此先感谢您的帮助
mnist当我从 Keras加载数据集时，我得到 4 个变量 -
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
的形状x_train是(60000, 28, 28)，这是有道理的，因为它包含 60,000 张 28x28 图片
的形状y_train正好(60000,)表明它是一个包含数字目标标签（0-9）的一维向量。
为了进行数字分类，神经网络通常输出一个具有十个维度的单热编码向量。我认为我需要使用to_categorical将 y 目标从数值转换为分类，以便使神经网络的形状输出与训练样本相匹配，这可能是(60000, 10)。
但在我在网上找到的一些示例中，to_categorical从未用于重塑训练向量。当神经网络的输出层y_train.shape保持不变时(60000,)
model.add(Dense(10, activation="softmax"))
它输出一个 10-D one-hot 向量。
然后他们简单地训练模型就y_train没有问题
model.fit(x_train, y_train, epochs=2, validation_data=(x_test, y_test))
这怎么可能？神经网络的输出形状是否会与 不(60000, 10)兼容(60000,)？或者 Keras 是否自动将分类输出转换为数字？
编辑：更清楚地说，我知道如何对其进行一次性编码，但我的问题是为什么他们不这样做。在该示例中，网络在没有对目标类进行 one-hot 编码的情况下工作，而网络的输出显然是 one-hot 编码的。
编辑：罗辛是对的。这只是使用sparse_crossentropy损失的效果，而不是分类损失。
我有一个问题 - 当我运行我的pygame程序时,它有一个我在代码中找不到的错误.Error: 'module' object has no attribute 'copy'.我发现代码没有任何问题.有人可以帮我修复错误/错误吗？