keras 标准化轴参数有什么作用？
What does keras normalize axis argument does?
我是深度学习的初学者，正在研究 keras 中的 mnist 数据集。
我使用归一化作为
tf.keras.utils.normalize(x_train, axis = 1)
我不明白 axis 参数是什么意思。你能帮我解决这个问题吗？
规范化函数只是执行常规规范化以提高性能：
Normalization is a rescaling of the data from the original range so
that all values are within the range of 0 and 1.
在另一个 post:
中对 axis 参数有很好的解释
What is the meaning of axis=-1 in keras.argmax?
例如：
Your data has some shape (19,19,5,80). This means:
- Axis = 0 - 19 elements
- Axis = 1 - 19 elements
- Axis = 2 - 5 elements
- Axis = 3 - 80 elements
此外，对于那些想要更深入的人，Keras 的作者 François Chollet 在 GitHub 上有一个解释：
- For Dense layer, all RNN layers and most other types of layers, the
default of axis=-1 is what you should use,
- For Convolution2D layers
with dim_ordering=“th” (the default), use axis=1,
- For Convolution2D
layers with dim_ordering=“tf”, use axis=-1 (i.e. the default).
keras.utils.normalize() 函数 the numpy.linalg.norm() 计算范数，然后对输入数据进行归一化。因此，给定的 axis 参数被传递给 norm() 函数以计算沿给定轴的范数。
我是深度学习的初学者，正在研究 keras 中的 mnist 数据集。
我使用归一化作为
tf.keras.utils.normalize(x_train, axis = 1)
我不明白 axis 参数是什么意思。你能帮我解决这个问题吗？
规范化函数只是执行常规规范化以提高性能：
Normalization is a rescaling of the data from the original range so that all values are within the range of 0 and 1.
在另一个 post:
中对 axis 参数有很好的解释What is the meaning of axis=-1 in keras.argmax?
例如：
Your data has some shape (19,19,5,80). This means:
- Axis = 0 - 19 elements
- Axis = 1 - 19 elements
- Axis = 2 - 5 elements
- Axis = 3 - 80 elements
此外，对于那些想要更深入的人，Keras 的作者 François Chollet 在 GitHub 上有一个解释：
- For Dense layer, all RNN layers and most other types of layers, the default of axis=-1 is what you should use,
- For Convolution2D layers with dim_ordering=“th” (the default), use axis=1,
- For Convolution2D layers with dim_ordering=“tf”, use axis=-1 (i.e. the default).
keras.utils.normalize() 函数 numpy.linalg.norm() 计算范数，然后对输入数据进行归一化。因此，给定的 axis 参数被传递给 norm() 函数以计算沿给定轴的范数。