我是深度学习的初学者，我正在研究keras中的mnist数据集。
我用归一化为
tf.keras.utils.normalize(x_train, axis = 1)
我不明白axis参数的含义。你能帮我吗？
答案 0 :(得分：1)
normalize函数仅执行常规归一化以提高性能：
归一化是对原始范围内的数据进行重新缩放，因此 所有值都在0到1的范围内。
在另一篇文章中对axis参数有很好的解释：
例如：
您的数据具有一定的形状（19、19、5、80）。这意味着：
- 轴= 0-19个元素
- 轴= 1-19个元素
- 轴= 2-5个元素
- 轴= 3-80个元素
对于想深入了解的人，GitHub上有Keras的作者FrançoisChollet的解释：
- 对于密集层，所有RNN层和大多数其他类型的层， Axis = -1的默认值是您应该使用的值，
- 对于Convolution2D图层 如果使用dim_ordering =“ th”（默认值），请使用axis = 1，
- 对于Convolution2D 具有dim_ordering =“ tf”的图层，请使用axis = -1（即默认值）。
答案 1 :(得分：0)
keras.utils.normalize()函数calls和numpy.linalg.norm()来计算范数，然后对输入数据进行归一化。因此，给定的axis参数将传递给norm()函数，以沿给定的轴计算范数。