TensorFlowとPythonでデータを標準化する方法を解説

機械学習モデルの精度を高めるためには、入力データの前処理、特に標準化が重要な役割を果たします。本記事では、TensorFlowを使ってPythonでデータを標準化する手順を、花の画像データセットを例にわかりやすく解説します。

使用するデータセットについて

ここでは、数千枚の花の画像を含む「flowersデータセット」を使用します。このデータセットには5つのサブディレクトリが含まれており、各サブディレクトリが1つのクラス（花の種類）に対応しています。TensorFlowのget_fileメソッドでデータセットをダウンロードした後、環境にロードして作業を進めます。

Google Colaboratoryでの実行環境

本記事のコードは、Google Colaboratory（Google Colab）で実行することを想定しています。Google Colabはブラウザ上でPythonコードを実行できるサービスで、事前の設定が一切不要であり、GPU（グラフィックス処理装置）にも無料でアクセスできます。Jupyter Notebookをベースに構築されているため、ノートブック形式で直感的に開発を進められるのが特徴です。

Rescalingレイヤーによるデータの標準化

画像データを標準化するには、モデルに正規化レイヤーを導入する方法が有効です。具体的には、「Rescaling」レイヤーを使用し、mapメソッドを通じてデータセット全体に適用します。

以下にサンプルコードを示します。

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))

コード引用元：https://www.tensorflow.org/tutorials/images/classification

実行結果

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

コードの解説

• 画像のRGBチャンネル値は通常、[0, 255] の範囲にあります。
• しかし、この範囲の値はニューラルネットワークにとって必ずしも理想的ではありません。
• 一般的な目安として、ニューラルネットワークへの入力値は小さく保つことが推奨されます。
• そこで、値を [0, 1] の範囲に収まるよう標準化します。
• この処理には、Rescalingレイヤーを使用します。上記コードでは 1./255 を指定することで、各ピクセル値を255で除算しています。
• map関数を呼び出してレイヤーをデータセットに適用することで、すべての画像に対して一括で正規化を行えます。
• もう一つの方法として、正規化レイヤーをモデル定義の中に組み込むことも可能です。この場合、前処理がモデルの一部となるため、デプロイ（運用環境への配置）プロセスがシンプルになります。

まとめ

TensowFlowのRescalingレイヤーを活用すれば、画像データのピクセル値を[0, 1]の範囲に簡単に標準化でき、ニューラルネットワークの学習を安定させることができます。mapメソッドによる適用とモデル内への組み込み、どちらの手法も状況に応じて使い分けると良いでしょう。