Keras中输入数据的标准化

Question

DL中的一个常见任务是将输入样本标准化为零均值和单位方差。可以使用以下代码“手动”执行规范化：

mean = np.mean(X, axis = 0)
std = np.std(X, axis = 0)
X = [(x - mean)/std for x in X]

然而，除了训练的Keras模型之外，还必须保持平均值和标准值，以使测试数据标准化。由于mean和std是可学习的参数，也许Keras可以学习它们吗？像这样的东西：

m = Sequential()
m.add(SomeKerasLayzerForNormalizing(...))
m.add(Conv2D(20, (5, 5), input_shape = (21, 100, 3), padding = 'valid'))
... rest of network
m.add(Dense(1, activation = 'sigmoid'))

我希望你明白我的成就。

Answer 1

也许您可以使用sklearn.preprocessing.StandardScaler来扩展数据，这个对象允许您将缩放参数保存在对象中，然后您可以将Mixin类型输入用于模型，让我们说：

1. Your_model
2. [param1_scaler，param2_scaler]

这是一个链接https://www.pyimagesearch.com/2019/02/04/keras-multiple-inputs-and-mixed-data/

https://keras.io/getting-started/functional-api-guide/