本文介绍了如何在TensorFlow Kera中归一化我的图像数据的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
如前所述，我正在尝试在训练我的模型之前标准化我的数据集。我之前使用tf.keras.preprocessing.image.ImageDataGenerator来做这件事。
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)
然而，我不得不放弃它，因为我使用自定义层实现了一个复杂的损失函数。因此，需要将数据和标签分别作为输入发送到模型。TensorFlow Kera中是否提供了其他函数来标准化我的样本？
推荐答案
def standardize(image_data):
image_data -= np.mean(image_data, axis=0)
image_data /= np.std(image_data, axis=0)
return image_data
这是一个解决这个问题的简单方法。我自己对数据进行预处理。
这篇关于如何在TensorFlow Kera中归一化我的图像数据的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！