小编nan*_*nan的帖子

我想知道用于调整目的的中性网络的中值结果。我设计模型并使用 keras.backend.function 但失败（AttributeError：层密集未连接，没有输入返回）。这是我的例子：

import tensorflow as tf
from tensorflow.keras.layers import Dense
from keras import backend as K
class my_model(tf.keras.Model):
    '''
    here I design a very simple model for test
    '''
    def __init__(self):
        super(my_model,self).__init__(name='my_model')

        self.dense1 = Dense(10,activation = 'relu',kernel_initializer = tf.keras.initializers.truncated_normal())
        self.dense2 = Dense(2,activation = 'softmax',kernel_initializer = tf.keras.initializers.truncated_normal())

    def call(self, inputs):
        inputs = self.dense1(inputs)
        return self.dense2(inputs)
def extract_layer_output(model, layer_name, input_data):
    layer_output_fn = K.function([model.layers[0].input], [model.get_layer(layer_name).output])
    layer_output = layer_output_fn([input_data])

    return(layer_output[0])   
X_train = np.array([[1,2], [6,5], [8,2]])
y = np.array([[0,1],[0,1],[1,0]])
model = my_model()
model.compile(optimizer=tf.train.AdamOptimizer(0.01),  
                loss='categorical_crossentropy', …

我无法弄清楚数据帧如何存储在内存中，以便可以轻松添加新列或新行以及不同类型的列。

一个具体的问题是，如果我有一个 * n 数据帧，其中 n 很大。如果我添加一个新列或一个新行，计算机内存中实际上会发生什么，哪一个会导致更长的时间？