下面是我用于多类别分类的模型
model = Sequential()
model.add(Dense(6, input_dim = input_dim , activation = 'relu'))
model.add(Dense(3, activation = 'softmax'))
adam = optimizers.Adam(learning_rate=0.001)
model.compile(loss = 'categorical_crossentropy' , optimizer = 'adam' , metrics = ['accuracy'] )
我想Range Normalize由第一层(即具有relu激活的层,0和1之间])产生的输出。我检查了Keras中可用的Normalization层,但据我所知,它们产生的平均值为0,stddev为1。
我不确定在Keras中的图层上执行自定义规范化的过程。如果有人可以指导我,那就太好了。
TIA!
下面是我用于多类分类的模型model = Sequential()model.add(Dense(6,input_dim = input_dim,activation ='relu'))model.add(Dense(3,activation =' softmax'))...
为使max max标准化,您必须实施此