kerasBatchNormalizationlayer使用axis=-1作为默认值，并说明特征轴通常是归一化的。为什么会这样？我想这很令人惊讶，因为我更熟悉使用类似StandardScaler的东西，这相当于使用axis=0。这将单独规范化特征。在keras中默认单独标准化样本(即axis=-1)而不是特征是否有原因？编辑:具体示例通常会转换数据，使每个特征都具有零均值和单位方差。让我们只考虑这个模拟数据集的“零均值”部分，其中每一行都是一个样本:>>>data=np.array([[1,10,100,1000],[2,20,200,2000],[3,30,300,3000]])>>

如果我想在Keras中使用BatchNormalization函数，那我只需要在开始时调用一次吗？我为此阅读了此文档:http://keras.io/layers/normalization/我不知道我应该在哪里调用它。下面是我尝试使用它的代码:model=Sequential()keras.layers.normalization.BatchNormalization(epsilon=1e-06,mode=0,momentum=0.9,weights=None)model.add(Dense(64,input_dim=14,init='uniform'))model.add(Acti

如果我想在Keras中使用BatchNormalization函数，那我只需要在开始时调用一次吗？我为此阅读了此文档:http://keras.io/layers/normalization/我不知道我应该在哪里调用它。下面是我尝试使用它的代码:model=Sequential()keras.layers.normalization.BatchNormalization(epsilon=1e-06,mode=0,momentum=0.9,weights=None)model.add(Dense(64,input_dim=14,init='uniform'))model.add(Acti