如前所述，我正在尝试在训练模型之前对数据集进行标准化。我tf.keras.preprocessing.image.ImageDataGenerator以前曾经这样做。
train_data = tf.cast(train_data, tf.float32)
train_gen = ImageDataGenerator(
featurewise_center=True,
featurewise_std_normalization=True
)
train_gen.fit(train_data)
train_generator = train_gen.flow(train_data, train_labels,
batch_size=batch_size,
shuffle=True)
model.fit(train_generator, epochs=base_epochs)
但是，我不得不放弃它，因为我使用自定义层实现了复杂的损失函数。因此，需要将数据和标签作为输入分别发送到模型。Tensorflow Keras中是否提供了其他任何功能来标准化我的样本？
def standardize(image_data):
image_data -= np.mean(image_data, axis=0)
image_data /= np.std(image_data, axis=0)
return image_data
这是解决问题的简便方法。我自己预处理数据。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句