numpy.clip(a, a_min, a_max)用法

a = np.arange(10)
a: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
np.clip(a, 1, 8): array([1, 1, 2, 3, 4, 5, 6, 7, 8, 8])

numpy.clip()的作用是將數(shù)組a中的元素壓縮在[a_min, a_max]范圍內(nèi)。

cmap='viridis'

viridis是matplotlib2.0中colormap的默認(rèn)值

關(guān)于Keras加載預(yù)訓(xùn)練模型的一些說明

加載VGG16預(yù)訓(xùn)練模型

from keras.applications import VGG16
from keras import backend as K
model = VGG16(weights='imagenet', include_top=False)

其中weights=可選參數(shù)為None或者'imagenet', None表示隨機(jī)初始化權(quán)重；'imagenet'選擇ImageNet上預(yù)訓(xùn)練的權(quán)重
include_top參數(shù)：是否包含最后的密集分類器

Keras內(nèi)置backend模塊

from keras import backend as K
K.gradients(loss, variables) #返回variables在loss上的梯度
loss: 需要最小化的標(biāo)量張量。
variables: 變量列表。

Next step:

keras.backend.mean()函數(shù)用法
keras.backend.function()用法