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Java 深度学习4J数据应该如何规范化,java,deep-learning,deeplearning4j,Java,Deep Learning,Deeplearning4j,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,NormalizerStandardi
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