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)
BatchNormalization 中 (axis =3) 的含义是什么我阅读了 keras 文档,但我无法理解它,任何人都可以解释 axis 的含义吗?
请您参考如下方法:
这取决于“conv1”变量的维度是如何排序的。首先,请注意,在卷积之后应该在 channel 上执行批量归一化,例如,如果你的维度顺序是 [batch, height, width, channel],你想使用 axis=3。基本上,您选择代表您的 channel 的轴索引。
