如何在TensorFlow Kera中归一化我的图像数据

问题描述

如前所述，我正在尝试在训练我的模型之前标准化我的数据集。我之前使用tf.keras.preprocessing.image.ImageDataGenerator来做这件事。

        train_data = tf.cast(train_data, tf.float32)
        train_gen = ImageDataGenerator(
            featurewise_center=True,
            featurewise_std_normalization=True
        )
        train_gen.fit(train_data)
        train_generator = train_gen.flow(train_data, train_labels,
                                         batch_size=batch_size,
                                         shuffle=True)
        model.fit(train_generator, epochs=base_epochs)

然而，我不得不放弃它，因为我使用自定义层实现了一个复杂的损失函数。因此，需要将数据和标签分别作为输入发送到模型。TensorFlow Kera中是否提供了其他函数来标准化我的样本？

---

解决方案

    def standardize(image_data):
        image_data -= np.mean(image_data, axis=0)
        image_data /= np.std(image_data, axis=0)
        return image_data

这是一个解决这个问题的简单方法。我自己对数据进行预处理。