Tensorflowを使用して花のデータセットを標準化するにはどうすればよいですか？

データの標準化とは、データセットを一定のレベルにスケーリングして、すべての機能を同等の単位で表すことができるようにすることです。再スケーリングレイヤーは、Kerasモジュールにある「再スケーリング」メソッドを使用して構築されます。レイヤーは、「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？KerasはTensorFlowとどのように連携してニューラルネットワークを作成しますか？

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。

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。

from tensorflow.keras import layers
print("Standardizing the data using a rescaling layer")
normalization_layer = tf.keras.layers.experimental.preprocessing.Rescaling(1./255)

print("This layer can be applied by calling the map function on the dataset")
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/load_data/images

出力

Standardizing the data using a rescaling layer
This layer can be applied by calling the map function on the dataset
0.0 0.96902645

説明

• RGBチャネル値は0から255の範囲です。
• これはニューラルネットワークには適していません。
• 入力データをできるだけ小さくするという考え方です。
• 画像の値は標準化されており、0と1の範囲になります。
• これは、再スケーリングレイヤーを使用して行われます。
• 別の方法として、この再スケーリングレイヤーをモデルの定義に含めることで、展開を簡素化できます。