inputs = Input((img_height, img_width, img_ch))
conv1 = Conv2D(n_filters, (k, k), padding=padding)(inputs)
conv1 = BatchNormalization(scale=False, axis=3)(conv1)
conv1 = Activation('relu')(conv1)
conv1 = Conv2D(n_filters, (k, k), padding=padding)(conv1)
conv1 = BatchNormalization(scale=False, axis=3)(conv1)
conv1 = Activation('relu')(conv1)
pool1 = MaxPooling2D(pool_size=(s, s))(conv1)
我读过Keras文档但我不理解的
BatchNormalization
中(axis = 3)的含义是什么,有人可以解释axis的含义吗? 最佳答案
这取决于“conv1”变量的尺寸顺序。首先,请注意,卷积后应在 channel 上执行批量归一化,例如,如果尺寸顺序为[批量,高度,宽度, channel ],则要使用axis = 3。基本上,您选择代表您的 channel 的轴索引。
关于python - BatchNormalization中的(axis = 3)是什么意思?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/52024253/