在TensorFlow2.3中规范化BatchDataset
在TensorFlow2.3中，规范化BatchDataset是指对数据集进行批处理操作，并对每个批次的数据进行规范化处理。规范化是一种常用的数据预处理技术，旨在将数据转换为均值为0、方差为1的标准正态分布，以提高模型的训练效果和收敛速度。
BatchDataset是TensorFlow中用于处理大规模数据集的一种数据结构，它将数据集划分为多个批次(batch)，每个批次包含一定数量的样本。规范化BatchDataset可以通过以下步骤实现：
- 加载数据集：首先，需要从数据源中加载原始数据集。可以使用TensorFlow提供的数据加载工具，如tf.data.Dataset.from_tensor_slices()或tf.data.Dataset.from_generator()，也可以自定义数据加载函数。
- 数据预处理：在加载数据集后，可以对数据进行预处理操作，如数据清洗、特征提取等。在规范化BatchDataset中，需要对数据进行规范化处理。
- 批处理操作：使用tf.data.Dataset.batch()函数对数据集进行批处理操作，指定每个批次的大小。例如，可以设置批次大小为32，表示每个批次包含32个样本。
- 规范化处理：对每个批次的数据进行规范化处理。可以使用TensorFlow提供的tf.nn.batch_normalization()函数或tf.keras.layers.BatchNormalization()层来实现规范化操作。
规范化BatchDataset的优势包括：
- 提高模型的训练效果：规范化可以将数据转换为标准正态分布，有助于减小特征之间的差异，提高模型的训练效果和泛化能力。
- 加速模型的收敛速度：规范化可以使得模型更容易收敛，减少训练时间和资源消耗。
- 防止梯度消失或爆炸：规范化可以避免梯度消失或爆炸的问题，提高模型的稳定性和可靠性。
规范化BatchDataset适用于各种机器学习和深度学习任务，特别是在处理大规模数据集时更为重要。例如，在图像分类任务中，可以对图像数据进行规范化处理，以提高分类模型的准确性和鲁棒性。
腾讯云提供了一系列与规范化BatchDataset相关的产品和服务，包括：
- TensorFlow：腾讯云提供了TensorFlow的云端部署服务，可以方便地在云端进行规范化BatchDataset的实现和训练。
- AI Lab：腾讯云AI Lab是一个人工智能开发者社区，提供了丰富的教程、示例代码和资源，可以帮助开发者学习和应用规范化BatchDataset等相关技术。
- 云服务器：腾讯云提供了强大的云服务器实例，可以用于规范化BatchDataset的训练和推理。
- 弹性MapReduce：腾讯云的弹性MapReduce服务可以用于大规模数据集的处理和分析，可以与规范化BatchDataset相结合，提高数据处理的效率和性能。
更多关于腾讯云相关产品和服务的详细介绍，请访问腾讯云官方网站：腾讯云。
相关·内容
我在用Tensorflow。我想从google驱动器加载未标记的图像，然后将图像规范化。但是，当我运行这段代码时
data_train_gan = (data_train_gan - 127.5) / 127.5 # Normalize the images to [-1, 1]
我看到错误：TypeError：-：'BatchDataset‘和'float'.的不受支持的操作数类型
完整代码：
import pathlib
data_dir = pathlib.Path("gdrive/MyDrive/projects/images/rock/")
浏览 2提问于2021-05-24得票数 1
1回答
在使用时，我注意到输出BatchDataset有一个class_names属性，即标签的list。这个真不错。
我有一个通过Dataset.from_tensor_slices + Dataset.map手工创建的tensorflow Dataset.from_tensor_slices。我可以手动将class_names属性设置为该MapDataset，但是当我调用my_dataset.batch(32)时，class_names属性不会转到新的BatchDataset中。
如何将class_names添加到手工创建的Dataset中？我看到了，但我不知道如何将它连接到Dataset。
我在
浏览 5提问于2022-05-23得票数 1
我正在寻找一些关于可怕的5005错误的新想法：“状态代码表示在试图获取OAuth令牌时发生了未知错误。”当我的“监视脸”试图连接由各种Fitness构建的Google时。所有这些都适用于我的本地测试，当我下载并运行我的发行版(beta)版本时。但是，当我的第一个测试人员尝试使用它时，他在试图连接API时得到了错误代码。
UPDATE2:我现在已经找到了正在发生的事情，所以我将在这里列出我的最后工作代码，然后在答案中讨论我发现了什么。
有3种不同的情况下，我连接到Google :监视脸(裁判定时器：)，相关的Watch Config，以及手机上的配套应用程序。
手表脸：
private
浏览 4提问于2016-07-07得票数 0
回答已采纳
使用TensorFlow遍历目录并拍摄我想用来训练神经网络的图像。
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
wk_dir,
labels="inferred",
label_mode="int",
class_names=None,
color_mode="grayscale",
batch_size=batches,
image_size=image_dim,
shuffle=True,
浏览 0提问于2020-06-05得票数 4
我使用tf.keras.preprocessing.image_dataset_from_directory来获得一个BatchDataset，其中dataset有10个类。
我正在尝试将此BatchDataset与Keras VGG16 ()网络集成。从医生那里：
注意:每个Keras应用程序都需要特定类型的输入预处理。对于VGG16，在将输入传递给模型之前，先对输入调用tf.keras.applications.vgg16.preprocess_input。
但是，我很难让这个preprocess_input与BatchDataset一起工作。，你能帮我弄清楚如何连接这两个点吗？
浏览 18提问于2022-05-08得票数 0
回答已采纳
例如：
raw_train_ds = tf.keras.preprocessing.text_dataset_from_directory(
'../ml-test-data/aclImdb/train',
batch_size=batch_size,
validation_split=0.2,
subset='training',
seed=seed)
train_ds = raw_train_ds.cache().prefetch(buffer_size=AUTOTUNE)
raw_train_ds是BatchDat
浏览 1提问于2021-06-22得票数 0
回答已采纳
1回答
我试图重塑图像，以运行gan模型，但我得到了这个错误。
AttributeError：“BatchDataset”对象没有属性“重塑”
浏览 6提问于2022-06-23得票数 -1
2回答
在将tensorflow模型转换成BatchDataset后，我对它进行了图像训练
IMG_size = 224
INPUT_SHAPE = [None, IMG_size, IMG_size, 3] # 4D input
model.fit(x=train_data,
epochs=EPOCHES,
validation_data=test_data,
validation_freq=1, # check validation metrics every epoch
callback
浏览 1提问于2022-04-20得票数 1
回答已采纳
我正在设置数据(培训、测试和验证)，以加载到一个简单的TensorFlow模型(Tensorflow v2.0)。我想浏览正在构建的具体TensorFlow数据集中的行数和列数。
如果数据集具有_tensors属性集，则可以在中使用该技术。
然而，看起来有些数据集没有张量。例如,
a = np.array([e for e in range(10)])
df = pd.DataFrame({'a':a,'b':a,'c':a})
target = df.pop('c')
dataset = tf.data.Dataset.fr
浏览 1提问于2019-10-26得票数 0
回答已采纳
我试图从张量数据集创建一个批量数据集，但在形状上遇到了问题。我看到了一些references to enqueue，但已经过时了几年，tf.dataset.batch没有任何选择。我的数据集如下所示： X_test1 = tensorflow.data.Dataset.from_tensors((X_test_images, X_test_labels))
<TensorDataset shapes: ((5512, 256, 256, 3), (5512,)), types: (tf.float32, tf.int32)> 其是具有3个颜色通道和用于5512个图像/标签的标签向
浏览 10提问于2020-09-17得票数 2
回答已采纳
我做了一个接受两个输入的模型。当我用两个numpy数组来拟合模型时，它可以工作。下面是一个例子：
model.fit(x=[image_input, other_features], y = y, epochs=epochs)
但是，我的问题是，other_features是一个numpy数组，而image_input使用tf.keras.preprocessing.image_dataset_from_directory加载keras。我面临的问题是：
如何从image_input中正确地给y？当我只使用一个输入image_input训练模型时，y被打包在其中，所以我不必在另一个y中指定它才
浏览 10提问于2021-04-18得票数 1
回答已采纳
我使用的是TensorFlow 2.4.1，并且有一个对音频文件进行分类的工作脚本。它相当类似于示例中的复制/粘贴，并且运行良好。现在，我想将音频文件发送到Model Server进行预测。
我被卡住了，以及如何将音频放入json消息。我是TensorFlow和Python的新手，所以我可能错过了一些基本的东西。
完整代码：
其中我尝试使用现有数据集(类型错误)作为数据：
data = json.dumps({"signature_name": "serving_default", "instances": train_ds.batch(3).t
浏览 3提问于2021-03-13得票数 0
1回答
我使用BatchDataset方法在image_dataset_from_directory中上传数据
seed = 64
images = tf.keras.utils.image_dataset_from_directory(
'/content/drive/MyDrive/DATA_PYTHON/Recognize_Alphabet/Recognize_Alphabet',
validation_split=0.2,
image_size=(34, 34),
color_mode='rgb',
interpola
浏览 3提问于2022-03-26得票数 1
回答已采纳
我希望对TensorFlow数据集生成有更多的控制。因此，我希望反映timeseries_dataset_from_array的行为，但能够使用连续窗口或不重叠的窗口( timeseries_dataset_from_array不可能设置sequence_stride=0)。
# df_with_inputs = (x, 19) df_with_labels = (x,1)
ds = tf.data.Dataset.from_tensor_slices((df_with_inputs.values, df_with_labels.values)).window(20, shift=1, s
浏览 2提问于2022-02-03得票数 1
回答已采纳
我试图将两个.npy文件输入到tf.keras的编解码模型中。这些文件很大，不适合记忆。为了加载数据，我尝试了以下策略：
mmap_enc = np.load('encoder.npy', mmap_mode='r')
mmap_dec = np.load('decoder.npy', mmap_mode='r')
mmap_target = np.load('target.npy', mmap_mode='r')
encoder_input_data = tf.data.Dataset.from
浏览 4提问于2021-02-15得票数 0
回答已采纳
我是从时间序列数据制作数据窗口(输入，输出窗口对)。我已经将我的时间序列转换为tf数据集，其中每一批的时间步骤数等于我所需的窗口大小。
def make_dataset(data=train_df[0]):
ds = tf.keras.preprocessing.timeseries_dataset_from_array(
data=data,
targets=None,
sequence_length=total_window_size,
sequence_stride=1,
shuffle=True,
浏览 0提问于2020-08-13得票数 2
我正在尝试将我的数据集分成验证和培训。我无法调用model.fit()中的验证子集，因为y数据不接受数据集，而且validation_split只适用于张量或numpy数组。我检查了tensorflow的文档，并且没有将BatchDataset转换为张量的文档，除非神经网络本身被改变了，我无法像使用keras的resnet体系结构那样做。
分别出现以下错误：
raise ValueError("`y` argument is not supported when using "
ValueError: `y` argument is not supported when us
浏览 13提问于2021-12-15得票数 0
初学者问题：
我通过batch_size=32收集图像(128x128x3，tf.keras.preprocessing.image_dataset_from_directory )，并尝试通过DenseNet121处理这些图像。
但最终却是：
在处理keras函数模型的输入张量时发现了意外的实例。期待KerasTensor，这是来自tf.keras.Input()或来自keras层调用()的输出。Got：<BatchDataset形状：(无，128,128，3)，(无，)，类型：(tf.float32，tf.int32)> )
如何构造与DenseNet兼容的数据集？
浏览 9提问于2022-02-02得票数 2
考虑下面的代码。我想根据下面的函数将tensorflow.python.data.ops.dataset_ops.BatchDataset拆分成输入和标签。然而，我得到了错误'BatchDataset' object is not subscriptable。有人能帮我吗？ import tensorflow as tf
input_slice=3
labels_slice=2
def split_window(features):
inputs = features[:, input_slice, :]
labels = features[:, label
浏览 75提问于2021-10-08得票数 0
回答已采纳
我试图将自定义数据集加载到Tensorflow，如下所示：
# Load the dataset
train_images = tf.keras.utils.image_dataset_from_directory(
'./data/',
seed=123,
image_size=(250, 250),
batch_size=batch_size)
test_images = tf.keras.utils.image_dataset_from_directory(
'./data/',
seed=123,
image_size=(2
浏览 16提问于2022-07-13得票数 0
回答已采纳
我在跟踪。它特别表示，可以在虹膜(花)分类样本项目上进行急切的执行。
导入所需的Python模块，包括TensorFlow，并启用对此程序的热切执行。急切的执行使TensorFlow立即评估操作，返回具体的值，而不是创建稍后执行的计算图。如果您习惯了REPL或python交互控制台，您会感到宾至如归。
所以我按照指令执行，然后继续执行指令。但是，当我到达讨论如何将数据集准备成张量流数据集的部分时，我遇到了一个错误。
信元码
train_dataset = tf.data.TextLineDataset(train_dataset_fp)
train_dataset = train_da
浏览 0提问于2018-05-15得票数 5
回答已采纳
我有一个形状数组(1,6354944)
array([[ 9.15527344e-05, -6.10351562e-05, 6.10351562e-05, ...,
1.01928711e-02, 7.92236328e-02, -2.69470215e-02]])
把它们转换成张量切片
stream = tf.data.Dataset.from_tensor_slices(reshaped_data)
但当我分批的时候
seqs = stream.batch(1000, drop_remainder=True)
它回来了
<BatchDataset shapes: (10
浏览 0提问于2021-05-22得票数 0
回答已采纳
Tensorflow:将PrefetchDataset转换为BatchDataset
使用最新的Tensorflow版本2.3.1，我试图遵循基本文本分类示例：。我没有像示例那样从目录创建dataset，而是使用csv文件：
SELECT_COLUMNS = ['SentimentText','Sentiment']
LABEL_COLUMN = 'Sentiment'
LABELS = [0, 1]
def get_dataset(file_path, **kwargs):
dataset = tf.data.experimental
浏览 10提问于2020-09-25得票数 3
回答已采纳
我遵循Tensorflow的例子：
但是，当在模型上调用fit()时，它会出现以下错误：
InvalidArgumentError: StringToNumberOp could not correctly convert string:
[[{{node StringToNumber_1}}]]
[[IteratorGetNext]] [Op:__inference_train_function_2480]
我已经将它隔离到了BatchDataset迭代器，它在某个时候失败了。为什么这个失败与上述错误时，根据本教程，它应该工作。我使用的是Tensorflow 2.7.
浏览 26提问于2022-01-28得票数 1
回答已采纳
2回答
我在规范化BatchDataset时遇到了问题。我尝试了很多不同的方法，但我总是得到一些错误，例如当我想看看它是否有效时，..not可调用。 train_ds = tf.keras.preprocessing.image_dataset_from_directory(training_folder,
image_size=(256, 256),
浏览 141提问于2021-02-12得票数 0
import tensorflow_datasets as tfds
train_ds = tfds.load('cifar100', split='train[:90%]').shuffle(1024).batch(32)
val_ds = tfds.load('cifar100', split='train[-10%:]').shuffle(1024).batch(32)
我想把train_ds和val_ds转换成这样的东西：x_train, y_train和x_val, y_val (x代表图像，y代表标签)。Keras使
浏览 2提问于2021-02-22得票数 0
回答已采纳
我有这样的代码： (train_images, _), (test_images, _) = tf.keras.datasets.mnist.load_data()
train_dataset = tf.data.Dataset.from_tensor_slices(train_images).shuffle(TRAIN_BUF).batch(BATCH_SIZE)
test_dataset = tf.data.Dataset.from_tensor_slices(test_images).shuffle(TRAIN_BUF).batch(BATCH_SIZE)
print(train_
浏览 72提问于2019-09-04得票数 6
回答已采纳
3回答
我对深度学习和计算机视觉非常陌生。我想做一些面部识别项目。为此，我从互联网上下载了一些图像，并借助Tensorflow文档中的文章将其转换为tensorflow数据集。现在，我想将数据集转换为熊猫数据，以便将其转换为csv文件。我试了很多次，但做不到。有人能帮我吗。下面是生成数据集的代码，然后是我尝试过的一些错误的代码。
import tensorflow as tf
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
filenames = tf.constant(['al.jpg'
浏览 1提问于2018-08-09得票数 4
回答已采纳
在2018年开发峰会上，德里克·穆雷提出了一种将TensorFlow的TensorFlow API与TensorFlow的急切执行模式( 10:54)相结合的方法。我试用了下面所示代码的简化版本：
import tensorflow as tf
tf.enable_eager_execution()
dataset = tf.data.Dataset.from_tensor_slices(tf.random_uniform([50, 10]))
dataset = dataset.batch(5)
for batch in dataset:
print(batch)
导致
TypeE
浏览 1提问于2018-04-04得票数 14
回答已采纳
老实说，我正试图弄清楚如何将数据集(格式:熊猫、DataFrame或numpy数组)转换成一种简单的文本分类tensorflow模型可以用来进行情感分析的形式。我使用的数据集类似于IMDB (包含文本和标签(正或负))。我看过的每一篇教程要么准备了不同的数据，要么就不去做数据准备，而把它留给你想象。(例如，所有IMDB教程都从tensorflow_datasets导入一个预处理的Tensorflow tensorflow_datasets，当我使用自己的数据集时，这是没有帮助的)。我自己试图将Pandas DataFrame转换为Tensorflow的Dataset类型，这在训练中导致了Val
浏览 2提问于2019-10-13得票数 11
回答已采纳
我试图了解如何读取本地图像，如何将它们用作TensorFlow ，并使用TF数据集训练Keras模型。我跟踪TPU 。唯一不同的是，我想阅读我的一组图像，并对它们进行培训。
假设我有图像列表(文件名)和相应的标签列表。
files = [...] # list of file names
labels = [...] # list of labels (integers)
images = tf.constant(files) # or tf.convert_to_tensor(files)
labels = tf.constant(labels) # or tf.convert_to_ten
浏览 1提问于2019-02-28得票数 2
回答已采纳
这是我的代码：
train_images = tf.keras.utils.image_dataset_from_directory(
'/content/drive/MyDrive/ArabicHandwritten2/train')
train_labels = tf.keras.utils.image_dataset_from_directory(
'/content/drive/MyDrive/ArabicHandwritten2/test')
train_images = tf.reshape(train_images.shape[0],
浏览 36提问于2022-11-25得票数 0
我正在处理，并尝试修改创建字典片段的代码片段的输出：
dict_slices = tf.data.Dataset.from_tensor_slices((df.to_dict('list'), target.values)).batch(16)
for dict_slice in dict_slices.take(1):
print (dict_slice)
我发现下面的输出不严谨，我想把它转换成可读性更好的表格格式。
我尝试基于格式化for循环
这给了我一个错误，BatchDataset是不可订阅的
然后，我尝试在dict_slices上
浏览 14提问于2020-05-07得票数 0
1回答
我有一个看起来像这样的tf.data.Dataset：
<BatchDataset shapes: ((None, 256, 256, 3), (None,)), types: (tf.float32, tf.int32)>
第二个元素(1，如果零索引)对应于标签。我想把第二个任期(标签)投给tf.uint8。
如何在处理tf.cast时使用td.data.Dataset？
相似问题
非常类似，但不是针对tf.data.Dataset的。
Repro
来自
curl -O https://download.microsoft.com/download/3/E/1/3E1C3F2
浏览 14提问于2022-05-26得票数 0
回答已采纳
我正在尝试使用Keras可视化皮肤癌图像。我已经将图像导入到我的笔记本中，并使用Keras.image_dataset_from_directory创建了批量数据集。代码如下：
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
data_dir,
validation_split=0.2,
subset="training",
seed=1337,
image_size=image_size,
batch_size=batch_size)
现在，我一直在尝试将这些图像可视化。但是，我希望每个类都有一个
浏览 0提问于2021-02-21得票数 2
我试图创建一个使用CNN的图像分类模型。为此，我使用tf.keras.preprocessing.image_dataset_from_directory函数读取数据。
这是代码：
train_ds = tf.keras.preprocessing.image_dataset_from_directory(data_dir_train,seed=123,validation_split = 0.2,subset = 'training',image_size=(img_height, img_width),batch_size=batch_size)
然后，我尝试在np.arr
浏览 7提问于2021-12-24得票数 1
我有一个在Abp.io框架中创建的项目。我以前使用过ASP.NET样板框架，ASP.NET样板有IShouldNormalize接口来规范请求的输入。但我在Abp.io找不到Abp.io的替代方案。
IShouldNormalize在Abp.io中的替代方案是什么？
浏览 3提问于2021-06-26得票数 1
回答已采纳
1回答
否则，这个问题可能会被说成是“扁平还是不扁平？”
如果我要将嵌套的JSON文档存储在一个DocumentDB集合中，那么查询这些嵌套结构是否与将这些嵌套结构单独存储在一个单独的集合中相同？
所讨论的数据将被写入一次，而且(可能)从未更新过。报告性能在需求列表中处于首位。
一方面，将数据存储在嵌套结构中似乎是使用无模式/无SQL技术的“正确”方法。也就是说，我们自然希望将头数据和细节数据关联到一个位置和上下文中。但是，一旦我们每分钟编写数千行，同时从web应用程序中运行关于该集合的报告，它还能扩展并继续执行吗？
或者，是否最好将详细数据平平，冗余地将头数据的相关部分存储在详细信息集合的每一行中？
浏览 3提问于2015-02-24得票数 4
回答已采纳
我有以下匹配条件，用于在我发送的appName中存在值的情况下获取结果：
<xsl:if test="contains($appName , $value)">
<xsl:call-template name="formResponseBody">
</xsl:call-template>
</xsl:if>
然而，现在我不得不做完全相同的测试，但忽略了"$value“中数据的大小写。
我尝试过使用tra
浏览 26提问于2018-09-13得票数 2
1回答
我正在尝试使用Keras来可视化皮肤癌图像。我导入了笔记本中的图像，并使用Keras.image_dataset_from_directory创建了批处理数据集。守则如下：
train_ds = tf.keras.preprocessing.image_dataset_from_directory(
data_dir,
validation_split=0.2,
subset="training",
seed=1337,
image_size=image_size,
batch_size=batch_size)
现在，我一直在努力想象这些图像。但是，我希望每个类有一个图像(数据
浏览 0提问于2021-02-21得票数 -1
我习惯了自动更新脚本，但仍然遇到一些问题。这个领域似乎是导致问题的部分，任何帮助都将不胜感激。
发出错误：“AttributeError：'BatchDataset‘对象没有'output_types’属性”
# network parameters
n_hidden_1 = 50
n_hidden_2 = 25
ds_train = tf.data.Dataset.from_tensor_slices((X_placeholder, Y_placeholder)).shuffle(buffer_size=round(len(X_train) * 0.3)).batch(b
浏览 15提问于2019-11-29得票数 2
1回答
这是我第一次尝试从现成的数据集和模型扩展到我自己拼凑在一起的东西。使用tensorflow，我试图加载一个图像数据集，其中为每个图像分配一个规范化的数值，以便我可以尝试在其上构建一个回归CNN。对我来说，不幸的是，tf.keras.preprocessing.image_dataset_from_directory期望数据集被谨慎地分类。是否有一种直接的方法将BatchDataset对象转换为数字标记？
为了进一步澄清，如果我要做一个dir(my_dataset)或my_dataset.__dict__，我想知道标签在哪里。
浏览 1提问于2021-05-14得票数 0
所有人。我正在使用tensorflow 1.4来训练一个像U-net这样的模型。由于硬件的限制，在训练时，batch_size只能设置为1，否则会出现OOM错误.
我的问题来了。在这种情况下，当batch_size = 1时，tf.layers.batch_normalization()是否正常工作(比如移动平均、移动方差、伽马、贝塔)？小batch_size会使它工作不稳定吗？
在我的工作中，我在训练training=True 时设置了，在测试时设置了training=False 。在训练时，我用
logits = mymodel.inference()
loss = tf.mean_squ
浏览 0提问于2018-05-30得票数 0
回答已采纳
我正在学习工作中的SAP BW。SAP类material声明，在InfoCubes中，维度是反规范化的。我理解规范化表格的好处，但不理解为什么维度会被反规范化。
浏览 1提问于2010-07-06得票数 1
回答已采纳
我使用TF 2.3中的tf.keras.preprocessing.image_dataset_from_directory从目录中加载图像(训练/测试拆分)。我得到的是一个带有形状的tf.data.Dataset (实际上是tensorflow.python.data.ops.dataset_ops.BatchDataset)对象： train_ds.take(1)
# <TakeDataset shapes: ((None, 256, 256, 3), (None, 6)), types: (tf.float32, tf.float32)> for images, label
浏览 7提问于2020-08-25得票数 2
回答已采纳
6回答
至少还有两个像这样的问题，但没有一个问题得到回答。
我有一个表单的数据集：
<TensorSliceDataset shapes: ((512,), (512,), (512,), ()), types: (tf.int32, tf.int32, tf.int32, tf.int32)>
另一种形式是：
<BatchDataset shapes: ((None, 512), (None, 512), (None, 512), (None,)), types: (tf.int32, tf.int32, tf.int32, tf.int32)>
我已经看过了，但是我找不到将
浏览 14提问于2020-05-11得票数 11
回答已采纳
1回答
我正在实现一个基于内容的图像检索(CBIR)，基于直方图、HOG和局部二值模式的特征提取。这些(规范化)特征提取中的每一个都分别存储在csv文件中，以便在进一步的步骤中计算距离。该文件如下所示：
img_ID0, 0.0, 0.0, 0.0, 0.4, 0.1, ...
img_ID1, 0.0, 0.1, 0.0, 0.2, 0.1, ...
img_ID2, 0.2, 0.0, 0.0, 0.4, 0.0, ...
我将ndarray扁平化，并沿着整个扁平的数组进行规范化。哪一个应该是样本的规范化(我不确定，所以请纠正我)。
现在，按特性进行规范化会是什么样子呢？尤其是如果我没有“命名”栏
浏览 5提问于2020-04-08得票数 0
我再次为tensorflow数据集的使用而挣扎。我再一次通过
data = keras.preprocessing.image_dataset_from_directory(
'./data',
labels='inferred',
label_mode='binary',
validation_split=0.2,
subset="training",
image_size=(img_height, img_width),
batch_size=sz_batch,
crop_to_a
浏览 3提问于2022-01-06得票数 2
回答已采纳
在图像预处理方面，Tensorflow Python到Tensorflow.js的转换遇到了困难
Python中的
single_coin = r"C:\temp\coins\20Saint-03o.jpg"
img = image.load_img(single_coin, target_size = (100, 100))
array = image.img_to_array(img)
x = np.expand_dims(array, axis=0)
vimage = np.vstack([x])
prediction =model.predict(vimage)
pri
浏览 5提问于2020-05-18得票数 1
回答已采纳
我有一个名为classA的自定义类，数据集名为datasetA。在类配置中添加classA，在数据集配置中添加datasetA。之后，我通过中庭积分器加载数据。我检查正规化状态是30，我想是20。怎么回事？
浏览 10提问于2017-04-25得票数 0
云服务器
ICP备案
实时音视频
对象存储
云直播
腾讯云开发者
