Keras的一些操作细节

1）Keras输出的loss，val这些值如何保存到文本中：

Keras中的fit函数会返回一个History对象，保存各种指标变化

 

2）Batchnormalization层的放置问题：

通常情况下，mode=0：按特征规范化

若，放置在卷积和池化之间或之后的4D张量，应axis=1

若，Dense层之后的BN层，应使用默认值

 

注：mode=1： 是按样本规范化

 

 

2.fit和fit_generator的区别

区别：fit()函数传入的x_train和y_train是被完整的加载进内存的（数据量过大不适用）

           fit_generator函数必须传入一个生成器