keras中的后端backend及其相关函数(K.prod,K.cast)
【时间】2019.02.25
【题目】keras中的后端backend及其相关函数(K.prod,K.cast)
具体参考:Keras 后端,其中
一、K.prod
prod
keras.backend.prod(x, axis=None, keepdims=False)
功能:在某一指定轴,计算张量中的值的乘积。
参数
- x: 张量或变量。
- axis: 一个整数需要计算乘积的轴。
- keepdims: 布尔值,是否保留原尺寸。 如果
keepdims
为False
,则张量的秩减 1。 如果keepdims
为True
,缩小的维度保留为长度 1。返回
x
的元素的乘积的张量。
Numpy 实现
def prod(x, axis=None, keepdims=False):if isinstance(axis, list):axis = tuple(axis)return np.prod(x, axis=axis, keepdims=keepdims)
具体例子:
import numpy as np
x=np.array([[2,4,6],[2,4,6]])scaling = np.prod(x, axis=1, keepdims=False)
print(x)
print(scaling)
【运行结果】
二、K.cast
cast
keras.backend.cast(x, dtype)
功能:将张量转换到不同的 dtype 并返回。
你可以转换一个 Keras 变量,但它仍然返回一个 Keras 张量。
参数
- x: Keras 张量(或变量)。
- dtype: 字符串, (
'float16'
,'float32'
或'float64'
)。返回
Keras 张量,类型为
dtype
。
例子
>>> from keras import backend as K
>>> input = K.placeholder((2, 3), dtype='float32')
>>> input
<tf.Tensor 'Placeholder_2:0' shape=(2, 3) dtype=float32>
# It doesn't work in-place as below.
>>> K.cast(input, dtype='float16')
<tf.Tensor 'Cast_1:0' shape=(2, 3) dtype=float16>
>>> input
<tf.Tensor 'Placeholder_2:0' shape=(2, 3) dtype=float32>
# you need to assign it.
>>> input = K.cast(input, dtype='float16')
>>> input
<tf.Tensor 'Cast_2:0' shape=(2, 3) dtype=float16>
keras中的后端backend及其相关函数(K.prod,K.cast)相关推荐
- keras中的K.concatenate()详解
keras中concatenate源代码如下: def concatenate(tensors, axis=-1):"""Concatenates a list of t ...
- keras中的loss、optimizer、metrics
用keras搭好模型架构之后的下一步,就是执行编译操作.在编译时,经常需要指定三个参数 loss optimizer metrics 这三个参数有两类选择: 使用字符串 使用标识符,如keras.lo ...
- format函数_畅游人工智能之海 | Keras教程之后端函数(一)
BBIT 畅游人工智能之海 --Keras教程之 后端函数(一) Artificial Intelligence 今天我们要开始学习Keras的后端函数. 首先我们要了解什么是后端.Keras依赖于一 ...
- 详解keras中的Mask机制
文章目录 一. Mask背景 1.2 例子1 1.2 例子2 二. 原理 三. 方式 3.1 配置keras.layers.Embedding 层 3.2 添加keras.layers.Masking ...
- 如何使用U-Net-train进行语义分段,并在Keras中测试您的自定义数据
什么是语义分割? 语义分割是逐像素分类问题陈述.如果到目前为止,您已将图像中的一组像素分类为Cat,Dog,Zebra,Humans等,那么现在是时候学习如何为图像中的每个像素分配类.这可以通过语义分 ...
- 【随感】在Keras中如何按最大似然(Max Likewood)训练模型
在Keras中如何按最大似然(Max Likewood)训练模型 按照生成模型的思路,模型的参数是和数据分布无关的,利用极大似然准则就可以训练模型.但是在类似Keras这种神经网络库中,如何训练类似如 ...
- Keras中的MultiStepLR
Keras中没有多步调整学习率(MultiStepLR)的调度器,但是博主这里提供一个自己写的: 1.代码 from tensorflow.python.keras.callbacks import ...
- python的matmul_浅谈keras中的batch_dot,dot方法和TensorFlow的matmul
概述 在使用keras中的keras.backend.batch_dot和tf.matmul实现功能其实是一样的智能矩阵乘法,比如A,B,C,D,E,F,G,H,I,J,K,L都是二维矩阵,中间点表示 ...
- 深度学习8 keras中triplet network的搭建
1.基本库导入 import keras import numpy as np import matplotlib.pyplot as pltimport random from keras.data ...
- CNN在Keras中的实践|机器学习你会遇到的“坑”
2018-12-16 23:43:37 本文作为上一节<卷积之上的新操作>的补充篇,将会关注一些读者关心的问题,和一些已经提到但并未解决的问题: 到底该如何理解padding中的valid ...
最新文章
- html 窗口大小改变,html – 调整窗口大小时缩放整个身体
- EF 执行存储过程方法
- 无法访问gcr.io的几种解决办法
- 区域数据导入功能(pinyin4J使用)
- 在实践中使用延迟队列
- Ubuntu中Cairo Dock安装和设置
- SDK中利用COM打印helloworld时报错DONE pin is not high on target FPGA的一种可能的解决办法
- springcloud 图片和数据一起提交_SpringCloud网上商城系统(附源码及教程)
- 机器学习笔记(二十六):支撑向量机(SVM)
- 中科院-杨力祥视频教程	02课程
- 怎么把cad的图导入ps_CAD图如何导入Photoshop的方法
- c++ 工厂模式简介和应用场景
- salt自定义returner+fluent+mysql进行数据采集
- k2-fsa differentiable Finite State Acceptor(Dan 的 toturial总结)
- 四十五、Kafka生产者(Producer)API介绍
- PHP项目集成支付宝PC端扫码支付API(国内支付)
- 软件架构详解(附图)
- 虹科云课堂 | 干货不断!汽车专题直播月本周课程预告
- 微营销之微信公众号+个人号矩阵营销的核心关键思路分享
- 使用Alexnet实现CIFAR10数据集的训练