本文主要是介绍layers.Normalization,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
标准化,就是执行
特征标准化层,
第一种方式:通过数据计算出均值和方差:
adapt_data = np.array([[0., 7., 4.],[2., 9., 6.],[0., 7., 4.],[2., 9., 6.]], dtype='float32')
input_data = np.array([[0., 7., 4.]], dtype='float32')
layer = tf.keras.layers.Normalization(axis=-1)
#利用数据计算均值和方差
layer.adapt(adapt_data)
layer(input_data)
第二种方式:通过设置均值和方差(注意只接收numpy后tensor对象)
layer = tf.keras.layers.Normalization(mean=np.array([[3.,2.]]), variance=np.array([[2.,1]]))
layer(np.array([[3,2]]))
layer([[3,2]])
对特征进行标准化处理后,就可以忽略各个特征的值区间不同导致的模型抖动问题
这篇关于layers.Normalization的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!