Функция normalize

Функция normalize выполняет нормализацию данных, приводя их к виду с нулевым средним и единичным стандартным отклонением. Первым параметром функция принимает массив данных, вторым - ось, по которой вычисляются статистики, третьим - значение, используемое для защиты от деления на ноль.

Нормализация часто применяется при подготовке данных для обучения нейронных сетей. Она позволяет ускорить сходимость модели и повысить устойчивость обучения.

Синтаксис

tf.keras.utils.normalize(x, axis=-1, order=2)

Пример

Давайте нормализуем одномерный тензор 1, 2, 3, 4, 5:

import tensorflow as tf

t = tf.constant([1, 2, 3, 4, 5], dtype=tf.float32)
res = tf.keras.utils.normalize(t)
print(res)

Результат выполнения кода:

tf.Tensor([0.13483997 0.26967994 0.40451992 0.5393599 0.6741999 ], shape=(5,), dtype=float32)

Пример

Давайте нормализуем двумерный тензор по последней оси:

import tensorflow as tf

t = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.float32)
res = tf.keras.utils.normalize(t, axis=-1)
print(res)

Результат выполнения кода:

tf.Tensor(
[[0.26726124 0.5345225  0.8017837 ]
 [0.45584232 0.5698029  0.68376344]], shape=(2, 3), dtype=float32)

Пример

Давайте нормализуем двумерный тензор по первой оси:

<+python+> import tensorflow as tf t = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.float32) res = tf.keras.utils.normalize(t, axis=0) print(res) <-python+>

Результат выполнения кода:

tf.Tensor(
[[0.24253562 0.37139067 0.4472136 ]
 [0.9701425  0.9284767  0.8944272 ]], shape=(2, 3), dtype=float32)

Смотрите также

функцию to_categorical,
которая преобразует метки классов в one-hot формат
функцию mnist,
которая загружает датасет рукописных цифр
функцию cifar10,
которая загружает датасет изображений CIFAR-10
функцию timeseries_dataset_from_array,
которая создает датасет временных рядов