Keras规范化轴参数是什么意思？

Question

我是一名深度学习的初学者，目前正在使用Keras处理mnist数据集。

我采用了标准化方法：

tf.keras.utils.normalize(x_train, axis = 1)

我不理解轴参数的含义。你能帮我解释一下吗？

- Aparajit Garg

Answer 1

normalize函数只是执行常规的标准化以提高性能：

标准化是将数据从原始范围重新缩放，使所有值都在0和1的范围内。

另一篇文章中有一个很好的关于axis参数的解释：

令人愉快的是：keras.argmax中axis=-1的含义是什么？ 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

此外，对于那些想要深入了解的人，Keras作者François Chollet在GitHub上进行了解释。

对于密集层、所有RNN层以及大多数其他类型的层，默认的axis=-1是您应该使用的；对于dim_ordering="th"（默认值）的Convolution2D层，请使用axis=1；对于dim_ordering="tf"的Convolution2D层，请使用axis=-1（即默认值）。 https://github.com/fchollet/keras/issues/1921

- Tina Iris

---

快速跟进一下，我正在尝试使用两个通道对频谱图进行深度学习。我有一个形状为（50, 50, 60, 2）的张量。我想要归一化每个频谱图和每个通道（所以沿着（：，50，60，:)轴）。当我执行normalize(tens[: , :, :, 0], axis=0)[0][0] == normalize(tens[0, :, :, 0])[0]时，我得到了所有False。为什么会这样？它们不应该是相同的吗？ - Travasaurus

Answer 2

keras.utils.normalize() 函数调用 numpy.linalg.norm() 来计算范数并对输入数据进行归一化处理。给定的 axis 参数因此被传递到 norm() 函数中，以沿着给定轴计算范数。

- today