資料結構
網路
關係資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理
化學
生物
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究如何使用 Python 中的 TensorFlow 對資料進行標準化？
我們將使用花卉資料集，其中包含數千朵花的影像。它包含 5 個子目錄，每個類別都有一個子目錄。一旦使用“get_file”方法下載了花卉資料集，它將被載入到環境中以供使用。
可以透過在模型中引入歸一化層來標準化花卉資料。此層稱為“Rescaling”層，它使用“map”方法應用於整個資料集。
閱讀更多： 什麼是 TensorFlow 以及 Keras 如何與 TensorFlow 協作建立神經網路？
我們正在使用 Google Colaboratory 來執行以下程式碼。Google Colab 或 Colaboratory 幫助透過瀏覽器執行 Python 程式碼，並且無需任何配置即可免費訪問 GPU（圖形處理單元）。Colaboratory 建立在 Jupyter Notebook 之上。
print("Normalization layer is created ")
normalization_layer = layers.experimental.preprocessing.Rescaling(1./255)
print("This layer is applied to dataset using map function ")
normalized_ds = train_ds.map(lambda x, y: (normalization_layer(x), y))
image_batch, labels_batch = next(iter(normalized_ds))
first_image = image_batch[0]
print(np.min(first_image), np.max(first_image))程式碼來源： https://www.tensorflow.org/tutorials/images/classification
輸出
Normalization layer is created This layer is applied to dataset using map function 0.0 1.0
解釋
- RGB 通道值在 [0, 255] 範圍內。
- 這對於神經網路來說並不理想。
- 根據經驗，確保輸入值較小。
- 因此，我們可以將值標準化為介於 [0, 1] 之間。
- 這是透過使用 Rescaling 層完成的。
- 可以透過呼叫 map 函式將該層應用於資料集來完成。
- 另一種方法是在模型定義中包含該層。
- 這將簡化部署過程。
更新於： 2021 年 2 月 20 日
309 次檢視
廣告