keras归一化函数中的轴参数- keras.utils.normalization()

Question

我花了很多时间试图了解 axis 参数在 keras.utils.normalization() 函数中的工作原理。有人可以通过使用 np.array 的概念通过制作随机 (2,2) np 数组来向我解释一下，并解释归一化实际上如何适用于不同的轴。

Answer 1

让我们考虑一个 2*2 Numpy Array,

x = np.array([[1,2],
              [3,4]])

Axis = 0表示操作完成Row-wise。代码 Axis = 0:

x_norm_rows_axis = tf.keras.utils.normalize(x, axis= 0)
print(x_norm_rows_axis)

以上代码的输出为：

[[0.31622777 0.4472136 ]
 [0.9486833  0.89442719]]

Axis = 0的输出可以详细说明如下：

print('x_norm_rows_axis[0][0] = {}'.format(1/np.sqrt(1 ** 2 + 3 ** 2)))
print('x_norm_rows_axis[0][1] = {}'.format(2/np.sqrt(2 ** 2 + 4 ** 2)))
print('x_norm_rows_axis[1][0] = {}'.format(3/np.sqrt(1 ** 2 + 3 ** 2)))
print('x_norm_rows_axis[1][1] = {}'.format(4/np.sqrt(2 ** 2 + 4 ** 2)))

以上Print语句的输出如下所示：

x_norm_rows_axis[0][0] = 0.31622776601683794
x_norm_rows_axis[0][1] = 0.4472135954999579
x_norm_rows_axis[1][0] = 0.9486832980505138
x_norm_rows_axis[1][1] = 0.8944271909999159

Axis = 1表示操作完成Column-wise。用 axis = 1 编码。在这种情况下，由于我们只有 2 个维度，我们也可以将其视为 axis = -1：

x_norm_col_axis = tf.keras.utils.normalize(x, axis= 1)
print(x_norm_col_axis)

以上代码的输出为：

[[0.4472136  0.89442719]
 [0.6        0.8       ]]

axis = 1 或 axis = -1（在本例中）的输出可以详细说明如下：

print('x_norm_col_axis[0][0] = {}'.format(1/np.sqrt(1 ** 2 + 2 ** 2)))
print('x_norm_col_axis[0][1] = {}'.format(2/np.sqrt(2 ** 2 + 1 ** 2)))
print('x_norm_col_axis[1][0] = {}'.format(3/np.sqrt(4 ** 2 + 3 ** 2)))
print('x_norm_col_axis[1][1] = {}'.format(4/np.sqrt(3 ** 2 + 4 ** 2)))

以上Print语句的输出如下所示：

x_norm_col_axis[0][0] = 0.4472135954999579
x_norm_col_axis[0][1] = 0.8944271909999159
x_norm_col_axis[1][0] = 0.6
x_norm_col_axis[1][1] = 0.8

要了解 Order 参数的工作原理，请参阅此。

希望这对您有所帮助。快乐学习！

keras归一化函数中的轴参数- keras.utils.normalization()

Axis parameter in the keras normalization function- keras.utils.normalization()

python

normalization

keras

data-science

tensorflow