ケースの入力データの正規化
DL]の1つの一般的なタスクは、入力サンプルを平均値と単位の分散に正規化することです。このようなコードを使用して正規化を「手動」できます。
mean = np.mean(X, axis = 0)
std = np.std(X, axis = 0)
X = [(x - mean)/std for x in X]
_しかしながら、訓練されているKerasモデルに加えて、試験データを正規化するために、平均値およびSTD値を維持しなければならない。平均とSTDは学習可能なパラメータであるため、おそらくケラはそれらを学ぶことができますか？このようなもの：
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'))
_私が到着しているものを理解してくれることを願っています。
バッチノルマル化 があります。これは、入力の平均と標準偏差を学びます。私はそれをネットワークの最初のレイヤーとして使いようとしていませんが、私がそれを理解しているように、あなたが探しているものと非常に似たことをするべきです。