关于keras.sum()和kears.softmax()等函数中维度的理解

最新推荐文章于 2025-04-15 13:16:15 发布

原创

最新推荐文章于 2025-04-15 13:16:15 发布 · 4.2k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #python

本文深入探讨神经网络中数据处理的维度选择，通过实例解释sum、softmax和mean函数的axis参数作用，以及如何保持处理后数据维度不变的小技巧。

1.目的

神经网络中对数据处理一般有求和，求均值等操作，这就需要用到sum、softmax和mean等函数，而这些函数中一般都有设置处理维度axis的参数选择。

2.设置

1.不作axis设置sum和mean等函数会对整个数据做相应操作，具体如下：

import numpy as np
import keras.backend as k

constant = np.array([[1, 2, 3], [2, 2, 3], [3, 2, 3]])
print(constant)
constant = k.constant(constant, dtype='float32')
constant_sum = k.sum(constant, keepdims=True)
print(k.eval(constant_sum))

结果如下：

2.axis=0,这里以二维数据为例，那么对每一列上的数据作该函数操作，如下

constant = np.array([[1, 2, 3], [2, 2, 3], [3, 2, 3]])
print(constant)
constant = k.constant(constant, dtype='float32')
constant_mean = k.mean(constant, axis=0, keepdims=True)
print(k.eval(constant_mean))