关于keras.sum()和kears.softmax()等函数中维度的理解

1.目的

神经网络中对数据处理一般有求和，求均值等操作，这就需要用到sum、softmax和mean等函数，而这些函数中一般都有设置处理维度axis的参数选择。

2.设置

1.不作axis设置sum和mean等函数会对整个数据做相应操作，具体如下：

import numpy as np
import keras.backend as k

constant = np.array([[1, 2, 3], [2, 2, 3], [3, 2, 3]])
print(constant)
constant = k.constant(constant, dtype='float32')
constant_sum = k.sum(constant, keepdims=True)
print(k.eval(constant_sum))

结果如下：

2.axis=0,这里以二维数据为例，那么对每一列上的数据作该函数操作，如下

constant = np.array([[1, 2, 3], [2, 2, 3], [3, 2, 3]])
print(constant)
constant = k.constant(constant, dtype='float32')
constant_mean = k.mean(constant, axis=0, keepdims=True)
print(k.eval(constant_mean))

可以明显看到其对每一列做了求均值操作，这里的keepdims参数设置为True会使结果以二维数据的形式返回，否则会以一维向量的形式返回。

3.axis=1,在每一行上做操作，如下：

4.总结一下小技巧

一般在做些操作时，都是使处理后数据的维度不可变，即keepdims=True.那么举一个例子，对于二维数据（2,3）如果axis=0,即在第一维度上做相应的操作，那么操作完后的数据维度一定是（1,3），即你在哪一维度上做操作，该维度的shape=1,其他维度不变。同理对于一个三维数据（2,2,3），axis=1,keepdims=True,那么操作后的维度为（2,1,3）。