Java 深度学习4J数据应该如何规范化

我的输入数据应该如何规范化model.fit in Deeplearning4j

目前，我对大量数据进行了迭代

我可以看到有些人规范化为完整的数据集

在我看来，每个迭代的数据集在

model.fit

之前得到规范化更符合逻辑

是否有在迭代器中编码规范化的最佳实践

---

那么预测的输入呢？

您应该始终规范化到您的训练集。如果您只对每个批进行规范化，那么当您只有一个示例时，在为推理进行规范化时，您会怎么做

如果使用基于统计数据的归一化器（即，归一化为零均值、单位方差；例如，

NormalizerStandardize

），则必须首先将其

.fit（）。这将检查您的所有数据并收集必要的统计数据，以便能够正确地规范化数据

之后，对于不需要适合数据的规范化器（即，如果您有一个固定的范围，就像图像一样），您可以使用
.setPreProcessor（normalizer）
在
DataSetIterator
上设置规范化器。从这一点开始，您的
DataSetIterator
将返回标准化值

当您进行预测时，您将使用用于训练的同一个规范化器，并使用它规范化新的输入数据

如果规范化器必须适合数据，则可以使用其
.save（）
方法保存数据，并使用其
.load（）
方法加载数据。对于其他规范化程序，您只需创建一个新实例。
您应该始终规范化到您的培训集。如果您只对每个批进行规范化，那么当您只有一个示例时，在为推理进行规范化时，您会怎么做

如果使用基于统计数据的归一化器（即，归一化为零均值、单位方差；例如，
NormalizerStandardize
），则必须首先将其
.fit（）。这将检查您的所有数据并收集必要的统计数据，以便能够正确地规范化数据

之后，对于不需要适合数据的规范化器（即，如果您有一个固定的范围，就像图像一样），您可以使用
.setPreProcessor（normalizer）
在
DataSetIterator
上设置规范化器。从这一点开始，您的
DataSetIterator
将返回标准化值

当您进行预测时，您将使用用于训练的同一个规范化器，并使用它规范化新的输入数据

如果规范化器必须适合数据，则可以使用其
.save（）
方法保存数据，并使用其
.load（）
方法加载数据。对于其他规范化程序，您只需创建一个新实例