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 ))
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。