2019.02.04读python深度学习(keras框架)

书里对训练数据和测试数据做z-score归一化的时候，测试数据用的训练数据的均值和标准差，我以为书写错了，其实后面还有一句话是这样的：注意，用于测试数据的均值和标准差都是在训练集上计算得到的，在工作流程中，你不能使用在测试集上得到的任何结果，即使是像数据标准化这么简单的事情也不行。
意思是测试集是十分未知的，里面的信息都是不可用的。
我觉得这种思想十分重要的呀～

向模型添加层时，常常不知道input_shape怎么定义，keras文档中是这样写的：Use the keyword argument input_shape (tuple of integers, does not include the samples axis) when using this layer as the first layer in a model.第一层网络的input_shape不需要定义批量轴(samples，或成为样本轴，样本维度)。
常见的数据张量的shape：
向量数据：2D张量，shape为（samples, features）
时间序列数据或序列数据：3D张量，shape为（samples, timesteps, features）
图像：4D张量，shape为（samples, height, width, channels）或（samples, channels, height, width）
视频：5D张量，shape为（samples, frames, height, width, channel）