tf.keras.layers.Normalization

Слой предобработки, который нормализует непрерывные признаки.

Наследуется от: PreprocessingLayer, Layer, Module

tf.keras.layers.Normalization(
    axis=-1, mean=None, variance=None, **kwargs
)

Этот слой смещает и масштабирует входные данные в распределение, центрированное около 0 со стандартным отклонением 1. Это достигается путем предварительного вычисления среднего и дисперсии данных и вызова (input - mean) / sqrt(var) во время выполнения.

Значения среднего и дисперсии для слоя должны быть либо заданы при создании, либо вычислены с помощью adapt(). adapt() вычислит среднее и дисперсию данных и сохранит их в качестве весов слоя. adapt() должен вызываться перед fit(), evaluate(), или predict().

Обзор и полный список слоев предобработки см. в руководстве по предобработке руководство.

Примеры:

Вычисление глобального среднего и дисперсии путем анализа набора данных в adapt().

adapt_data = np.array([1., 2., 3., 4., 5.], dtype='float32')
input_data = np.array([1., 2., 3.], dtype='float32')
layer = tf.keras.layers.Normalization(axis=None)
layer.adapt(adapt_data)
layer(input_data)
<tf.Tensor: shape=(3,), dtype=float32, numpy=
array([-1.4142135, -0.70710677, 0.], dtype=float32)>

Вычисление среднего и дисперсии для каждого индекса на последней оси.

adapt_data = np.array([[0., 7., 4.],
                       [2., 9., 6.],
                       [0., 7., 4.],
                       [2., 9., 6.]], dtype='float32')
input_data = np.array([[0., 7., 4.]], dtype='float32')
layer = tf.keras.layers.Normalization(axis=-1)
layer.adapt(adapt_data)
layer(input_data)
<tf.Tensor: shape=(1, 3), dtype=float32, numpy=
array([-1., -1., -1.], dtype=float32)>

Непосредственное задание среднего и дисперсии.

input_data = np.array([[1.], [2.], [3.]], dtype='float32')
layer = tf.keras.layers.Normalization(mean=3., variance=2.)
layer(input_data)
<tf.Tensor: shape=(3, 1), dtype=float32, numpy=
array([[-1.4142135 ],
       [-0.70710677],
       [ 0.        ]], dtype=float32)>

Методы

adapt

Просмотреть исходный код

adapt(
    data, batch_size=None, steps=None
)

Вычисляет среднее и дисперсию значений в наборе данных.

Вызов adapt() на слое Normalization является альтернативой передаче mean и variance аргументов во время создания слоя. Слой Normalization всегда должен быть адаптирован к набору данных или принимать mean и variance.

Во время adapt(), слой вычислит среднее значение и дисперсию отдельно для каждой позиции на каждой оси, указанной аргументом axis. Для вычисления единого среднего значения и дисперсии по входным данным достаточно передать axis=None.

Для повышения эффективности Normalization в любом контексте распределения вычисленные среднее и дисперсия сохраняются неизменными относительно любых скомпилированных tf.Graph, которые вызывают слой. Вследствие этого, если слой адаптируется во второй раз, любые модели, использующие этот слой, должны быть перекомпилированы. Для получения дополнительной информации см. tf.keras.layers.experimental.preprocessing.PreprocessingLayer.adapt.

adapt() предназначен только для использования на одной машине для вычисления состояния слоя. Для анализа набора данных, который не помещается на одной машине, см. Tensorflow Transform для многомашинного решения map-reduce.

compile

Просмотреть исходный код

compile(
    run_eagerly=None, steps_per_execution=None
)

Конфигурирует слой для adapt.

reset_state

Просмотреть исходный код

reset_state()

Сбрасывает статистику слоя предобработки.

update_state

Просмотреть исходный код

update_state(
    data
)

Накапливает статистику для слоя предобработки.