Python 在theano中对任何图像进行标准化?
我写了下面的代码,但速度非常慢。当然,这并不正确 我有我要做的吗?Python 在theano中对任何图像进行标准化?,python,theano,Python,Theano,我写了下面的代码,但速度非常慢。当然,这并不正确 我有我要做的吗? for i in range(image_shape[0]): for j in range(filter_shape[0]): pmin = self.pooled_out[i][j].min() pmax = self.pooled_out[i][j].max() self.pooled_out = T.set_subtensor(T.set_subtensor(sel
for i in range(image_shape[0]):
for j in range(filter_shape[0]):
pmin = self.pooled_out[i][j].min()
pmax = self.pooled_out[i][j].max()
self.pooled_out = T.set_subtensor(T.set_subtensor(self.pooled_out[i], self.pooled_out[i])[j],self.pooled_out[i][j] - pmin)
self.pooled_out = T.set_subtensor(T.set_subtensor(self.pooled_out[i], self.pooled_out[i])[j],self.pooled_out[i][j] / pmax)
首先,代码的这一部分什么都不做。把这条线拆下来
T.set_subtensor(self.pooled_out[i], self.pooled_out[i])
如果没有完整的代码,我无法测试我的解决方案,但我认为这可以满足您的要求:
pmin = self.pooled_out.min(axis=[2,3], keepdims=True)
pmax = self.pooled_out.max(axis=[2,3], keepdims=True)
normalized_pooled_out = (self.pooled_out - pmin)/pmax
然后,规范化的\u poold\u out包含具有我认为您想要的值的符号变量