Python 如何规范化Tensorflow Keras中的图像数据

如前所述，我正在尝试在训练模型之前规范化我的数据集。我之前使用了

tf.keras.preprocessing.image.ImageDataGenerator

来完成这项工作

        train_data = tf.cast(train_data, tf.float32)
        train_gen = ImageDataGenerator(
            featurewise_center=True,
            featurewise_std_normalization=True
        )
        train_gen.fit(train_data)
        train_generator = train_gen.flow(train_data, train_labels,
                                         batch_size=batch_size,
                                         shuffle=True)
        model.fit(train_generator, epochs=base_epochs)

但是，我不得不放弃它，因为我使用自定义层实现了一个复杂的丢失函数。因此，需要将数据和标签作为输入分别发送到模型。Tensorflow Keras中是否提供了任何其他函数来规范我的样本

    def standardize(image_data):
        image_data -= np.mean(image_data, axis=0)
        image_data /= np.std(image_data, axis=0)
        return image_data

---

这是解决这个问题的一个简单方法。自己对数据进行预处理。

这些都是简单的操作，您可以自己实现（如果您无法使用生成器）。您可以尝试使用numpy数组，但它不会像您在ImageDataGenerator中提到的那样是批处理的。np.平均值（列数据，轴=0），然后列数据-=列数据平均值。同样，对于std，所有样本的np.std沿轴0。@AkashKumar感谢您的建议！我在检查了源代码后解决了这个问题，并完全按照您的建议进行了操作