在训练和预测时,Keras功能智能中心
我已经用featurewise\u center=True、featurewise\u std\u normalization=True实现了ImageDataGenerator。我将生成器与我的训练集相匹配(它学习一些统计数据),并训练我的模型。一切都很好 在完成培训并关闭python之后,如何使用生成器对测试集执行相同的预处理?我想将从fit中学到的统计数据保留下来,以便在我想要测试或进一步训练我的模型时使用(原始训练集可能不再可用)在训练和预测时,Keras功能智能中心,keras,mean,standard-deviation,image-preprocessing,Keras,Mean,Standard Deviation,Image Preprocessing,我已经用featurewise\u center=True、featurewise\u std\u normalization=True实现了ImageDataGenerator。我将生成器与我的训练集相匹配(它学习一些统计数据),并训练我的模型。一切都很好 在完成培训并关闭python之后,如何使用生成器对测试集执行相同的预处理?我想将从fit中学到的统计数据保留下来,以便在我想要测试或进一步训练我的模型时使用(原始训练集可能不再可用) 提前谢谢我已经解决了这个问题。给那些仍然遇到它的人。遵循
提前谢谢我已经解决了这个问题。给那些仍然遇到它的人。遵循以下步骤
将平均值和平均STD分配给新的ImageDataGenerator。您好,我正在处理类似的问题。我想知道特征和样本同时居中是否有意义,它在数学上是否正确?您是否注意到此操作的任何影响以及正确的结果?我不确定我是否理解正确。它在整个数据库的基础上结合您的图像中心,并且应用当前图像的图像中心?同样的规则适用于规范化,是不是两次?