数据结构
网络
关系型数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何使用TensorFlow标准化花卉数据集？
数据标准化是指将数据集缩放至一个级别，以便所有特征都可以使用等效单位表示。缩放层是使用Keras模块中的“Rescaling”方法构建的。该层使用“map”方法应用于整个数据集。
阅读更多： 什么是TensorFlow以及Keras如何与TensorFlow一起创建神经网络？
我们将使用花卉数据集，其中包含数千张花的图像。它包含5个子目录，每个类都有一个子目录。
我们使用Google Colaboratory运行以下代码。Google Colab或Colaboratory有助于通过浏览器运行Python代码，无需任何配置，并且可以免费访问GPU（图形处理单元）。Colaboratory构建在Jupyter Notebook之上。
from tensorflow.keras import layers
print("Standardizing the data using a rescaling layer")
normalization_layer = tf.keras.layers.experimental.preprocessing.Rescaling(1./255)
print("This layer can be applied by calling the map function on the dataset")
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))代码来源：https://tensorflowcn.cn/tutorials/load_data/images
输出
Standardizing the data using a rescaling layer This layer can be applied by calling the map function on the dataset 0.0 0.96902645
解释
- RGB通道值范围为0到255。
- 这对神经网络来说并不理想。
- 我们的目标是使输入数据尽可能小。
- 图像中的值已标准化为0到1的范围。
- 这是借助缩放层实现的。
- 另一种方法是在模型定义中包含此缩放层，这将简化部署。
更新于：2021年2月19日
浏览量：115
广告