Python 将浮点列表转换为NumPy数组

我正在使用神经网络，我想在FPGA上实现它。我有一个关于MNIST的代码，我想用float32获得初始权重，然后在FPGA上用定点重新训练权重

我正在用python运行我的模拟。我正在寻找一种方法来进行这种转换

from keras.datasets import mnist
from keras.layers import Dense
from keras.models import Sequential
from keras.layers import Dropout
from keras.utils import np_utils
import matplotlib.pyplot as plt
(x, y), (X, Y) = mnist.load_data()

num = x.shape[1] * x.shape[2]
x = x.reshape(x.shape[0],x.shape[1]*x.shape[2]).astype('float32')
X = X.reshape(X.shape[0],X.shape[1]*X.shape[2]).astype('float32')

x = x/255
X = X/255

y = np_utils.to_categorical(y)
Y = np_utils.to_categorical(Y)

classes = y.shape[1]

def calc():
    model = Sequential()
    model.add(Dense(num, input_dim = num, init = 'normal', activation = 'relu'))
    model.add(Dense(classes, init = 'normal', activation = 'softmax'))
    model.compile(loss = 'categorical_crossentropy', optimizer = 'adam', metrics = ['accuracy'])
    return model

model = calc()
model.fit(x, y, validation_data=(X, Y), nb_epoch=10, batch_size=200,
    verbose=2)
scores = model.evaluate(X, Y, verbose=0)
print("Accuracy: ", scores)

---

使用

dtype=np.float32

将列表传递到

np.array

，以指定32位浮点数作为数据类型：

np.array(your_list, dtype=np.float32)

---

使用

dtype=np.float32

将列表传递到

np.array

，以指定32位浮点数作为数据类型：

np.array(your_list, dtype=np.float32)

---

我想把每一层的权重转换成定点表示，这样它就可以被重新训练。这个列表是什么变量？这真的是一张单子吗？还是numpy阵列？或者一些专门的

kereas

类型？你说的“定点”是什么意思？@hpaulj，输出是一个numpyarray@VivekKumar，我的意思是，我想让分数部分正好是16位，整数部分正好是4位。我不想使用浮点小数。我想把每一层的权重转换成定点表示，这样它就可以被重新训练。这个列表是什么变量？这真的是一张单子吗？还是numpy阵列？或者一些专门的

kereas

类型？你说的“定点”是什么意思？@hpaulj，输出是一个numpyarray@VivekKumar，我的意思是，我想让分数部分正好是16位，整数部分正好是4位。我不想使用浮点小数，我想把每一层的权重转换成定点表示，这样它就可以被重新训练。我认为32号浮球不符合我的要求。我需要一个定点表示法。@AbhinavGoel好的，然后试试上面的方法。我想把每一层的权重转换成定点表示法，这样就可以对它进行重新训练。我认为32号浮球不符合我的要求。我需要一个定点表示法。@AbhinavGoel好的，然后试试上面的方法。