溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要為大家展示了keras中如何使用backend.clip，內容簡而易懂，希望大家可以學習一下，學習完之后肯定會有收獲的，下面讓小編帶大家一起來看看吧。
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強制變為邊界值）
參數
x: 張量或變量。
min_value: Python 浮點或整數。
max_value: Python 浮點或整數。
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中的一些函數來自定義模型的評估標準。
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：該參數為Keras張量的列表，或Keras層對象的列表。該列表的元素數目必須大于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練時，Merge是一個層對象，在多個sequential組成的網絡模型中，如果
x：輸入數據。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的類型應當為list，list的元素是對應于各個輸入的numpy array
y：標簽，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))以上就是關于keras中如何使用backend.clip的內容，如果你們有學習到知識或者技能，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
