为什么Keras中的to_categorical（）使用float64而不是float32？

Question

根据我的测试，Keras中的to_categorical()会返回ndarray float64。我想知道为什么默认情况下不是float32，可以由GPU处理。据我所知，GPU无法处理float64。 to_categorical()的{​​{3}}并未说明返回类型应该是什么。所以，我想它可能是一个实现细节，而不是协议/接口的一部分。总结一下，有两个问题：

1. 为什么float64而不是float32？
2. 是否应该依赖返回类型，因为它可能不是接口的一部分，因此可能会发生变化？如果是这种情况，如果关注类型，则应始终追加astype()来电。

Answer 1

1. 问题在于numpy.zeros中的to_categorical函数used。默认情况下，它会创建一个类型为float64的数组。

2. 不幸的是，我建议您测试解决方案以解决当前数据类型不保证的问题。通常情况下 - 大多数变换器都会以提供的格式返回数据，因此只要您的基础数据位于float32 - 它就会保留float32。但是有一些边缘情况，如to_categorical。

在我的项目中，我使用docker来保持我用于培训/推理的所有机器的一致性。