Tensorflowを使用してPythonを使用してデータを標準化するにはどうすればよいですか？

数千の花の画像を含む花のデータセットを使用します。これには5つのサブディレクトリが含まれ、クラスごとに1つのサブディレクトリがあります。花のデータセットが「get_file」メソッドを使用してダウンロードされると、それを操作するために環境に読み込まれます。

花のデータは、モデルに正規化レイヤーを導入することで標準化できます。このレイヤーは「再スケーリング」レイヤーと呼ばれ、「マップ」メソッドを使用してデータセット全体に適用されます。

続きを読む： TensorFlowとは何ですか？また、KerasがTensorFlowと連携してニューラルネットワークを作成する方法は？

Google Colaboratoryを使用して、以下のコードを実行しています。 Google ColabまたはColaboratoryは、ブラウザー上でPythonコードを実行するのに役立ち、構成が不要で、GPU（グラフィックプロセッシングユニット）に無料でアクセスできます。 ColaboratoryはJupyterNotebookの上に構築されています。

print("Normalization layer is created ")
normalization_layer = layers.experimental.preprocessing.Rescaling(1./255)
print("This layer is applied to dataset using map function ")
normalized_ds = train_ds.map(lambda x, y: (normalization_layer(x), y))
image_batch, labels_batch = next(iter(normalized_ds))
first_image = image_batch[0]
print(np.min(first_image), np.max(first_image))

コードクレジット：https：//www.tensorflow.org/tutorials/images/classification

出力

Normalization layer is created
This layer is applied to dataset using map function
0.0 1.0

説明

• RGBチャネル値は[0、255]の範囲です。
• これはニューラルネットワークにとって理想的とは見なされません。
• 経験則として、入力値が小さいことを確認してください。
• したがって、値を[0、1]の範囲内に収まるように標準化できます。
• これは、再スケーリングレイヤーを使用して行われます。
• これは、map関数を呼び出してデータセットにレイヤーを適用することで実行できます。
• これを行う別の方法は、モデル定義内にレイヤーを含めることです。
• これにより、導入プロセスが簡素化されます。