Python 如果i'；m使用keras方法，从firectory流出

我想用平均值和标准偏差标准化我的数据，如下例所示：

datagen.fit（数据）
平均值=数据元平均值
std=数据源std
打印（平均值，“平均值”）
打印（标准，“标准”）

在此之前，我将在预测文件中输入两个值（平均值和标准值）来调用此方法：

def正常化（x，平均值，标准值）：
x[…，0]=平均值[0]
x[…，1]=平均值[1]
x[…，2]=平均值[2]
x[…，0]/=std[0]
x[…，1]/=std[1]
x[…，2]/=std[2]
返回x

但在我的列车文件中，我使用了flow\u from\u目录的方法来获取数据：

train_datagen=ImageDataGenerator(
缩放范围=0.2，
重新缩放=1./255，
剪切范围=0.2，
水平翻转=真，
featurewise_center=True，
featurewise_std_normalization=True，）
列车生成器=来自列车目录（列车目录，
目标_大小=（224224），
批次尺寸=50，
class_mode='binary'）

我的疑问是：如果我没有“x_train”数组，我怎么能传入

datagen.fit（data）

我做得对吗？

你可以自己计算平均值和std。之后，只需将这些值设置为数据生成器：

datagen = image.ImageDataGenerator(featurewise_center=True,
                               featurewise_std_normalization=True)
datagen.mean = np.array([111.1, 222.2, 333.3], dtype=np.float32).reshape((1,1,3))
datagen.std = np.array([5.3, 4.2, 6.3], dtype=np.float32).reshape((1,1,3))

你可以自己计算平均值和std。之后，只需将这些值设置为数据生成器：

datagen = image.ImageDataGenerator(featurewise_center=True,
                               featurewise_std_normalization=True)
datagen.mean = np.array([111.1, 222.2, 333.3], dtype=np.float32).reshape((1,1,3))
datagen.std = np.array([5.3, 4.2, 6.3], dtype=np.float32).reshape((1,1,3))

---

你是随机设置这些值的吗？什么是重塑？能回答我吗？你是随机设置这些值的吗？什么是重塑？能回答我吗？