keras中的backend.clip用法

更新時間：2020年05月22日 09:02:06 作者：bebr

這篇文章主要介紹了keras中的backend.clip用法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

如下所示：

keras.backend.clip(x, min_value, max_value)

逐元素clip（將超出指定范圍的數(shù)強制變?yōu)檫吔缰担?/p>

參數(shù)

x: 張量或變量。
min_value: Python 浮點或整數(shù)。
max_value: Python 浮點或整數(shù)。

返回

一個張量。

import tensorflow as tf
from keras import backend
a = tf.constant(2.1) #定義tensor常量
b = backend.clip(a, 0, 1)
with tf.Session() as sess:
  print (sess.run(b))
 
>>>1.0

Keras中可以利用backend中的一些函數(shù)來自定義模型的評估標(biāo)準(zhǔn)。

補充知識：keras中merge用法

首先keras的文檔中是這樣給出的，把若干個層合并成一個層

keras.engine.topology.Merge(layers=None, mode='sum', concat_axis=-1, dot_axes=-1, output_shape=None, node_indices=None, tensor_indices=None, name=None)

layers：該參數(shù)為Keras張量的列表，或Keras層對象的列表。該列表的元素數(shù)目必須大于1。

mode：合并模式，如果為字符串，則為下列值之一{“sum”，“mul”，“concat”，“ave”，“cos”，“dot”}

其中sum和mul是對待合并層輸出做一個簡單的求和、乘積運算，因此要求待合并層輸出shape要一致。concat是將待合并層輸出沿著最后一個維度進(jìn)行拼接，因此要求待合并層輸出只有最后一個維度不同。

下面我要說的主要針對訓(xùn)練時，Merge是一個層對象，在多個sequential組成的網(wǎng)絡(luò)模型中，如果

x：輸入數(shù)據(jù)。如果模型只有一個輸入，那么x的類型是numpy array，如果模型有多個輸入，那么x的類型應(yīng)當(dāng)為list，list的元素是對應(yīng)于各個輸入的numpy array

y：標(biāo)簽，numpy array

否則運行時很可能會提示意思就是你輸入的維度與實際不符，好了，說什么都不如寫一個代碼來的實際：

model_left= Sequential() 
model_left.add(Dense(50, input_shape=(784,))) 
model_left.add(Activation('relu')) 
  
model_right = Sequential() 
model_right.add(Dense(50, input_shape=(784,))) 
model_rightadd(Activation('relu')) 
  
model = Sequential() 
model.add(Merge([model_left,model_right], mode='concat')) 
  
model.add(Dense(10)) 
model.add(Activation('softmax')) 
  
model.compile(loss='categorical_crossentropy', optimizer='adam',
       metrics=['accuracy']) 
model.fit([X_train, X_train], Y_train, batch_size=64, nb_epoch=30, validation_data=([X_test, X_test], Y_test))

以上這篇keras中的backend.clip用法就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: