使用张量流标准化特征的正确方法是什么？

Question

我有一个数据集，我想扩展的功能，张量流。问题是我不明白在输入集上应用转换然后再对随机输入向量（对于单个预测）应用什么机制。

用于规范化数据集的最佳实践模式是什么，以便可以保留mean和std以供以后使用？换句话说，在训练模型时，如何有效地在训练和测试时间应用定义的预处理方法？

编辑：我认为它可能会像这样

init_dataset = [[1,2,3],[4,5,6],[7,8,9]]

init_dataset_normalized = normalize(init_data_set)

fit = model( init_dataset_normalized )

pred = fit.predict( normalize( random_input ))

Answer 1

假设我有灰度图像，我使用以下内容：

def scale(X):
    x = []
    for i in range(len(X)):
        x.append(X[i].astype('float32'))
        x[i] /= 255.0
    return x

希望这能回答这个问题。