如何使用 Tensorflow 为鲍鱼数据集构建规范化层?
pythonserver side programmingprogrammingtensorflow
可以使用‘预处理’模块中的‘规范化’方法构建规范化层。此层是为了适应鲍鱼数据集的特征而创建的。除此之外，还添加了一个密集层来提高模型的训练能力。此层将有助于预先计算与每列相关的均值和方差。这些平均值和方差值将用于规范化数据。
阅读更多: 什么是 TensorFlow，以及 Keras 如何与 TensorFlow 配合使用来创建神经网络?
我们将使用鲍鱼数据集，其中包含一组鲍鱼测量值。鲍鱼是一种海蜗牛。目标是根据其他测量值预测年龄。
我们正在使用 Google Colaboratory 来运行以下代码。Google Colab 或 Colaboratory 有助于在浏览器上运行 Python 代码，并且不需要任何配置，并且可以免费访问 GPU(图形处理单元)。 Colaboratory 是在 Jupyter Notebook 基础上构建的。
print("A normalization layer is being built")
normalize = preprocessing.Normalization()
normalize.adapt(abalone_features)
print("A dense layer is being added")
norm_abalone_model = tf.keras.Sequential([
normalize,
layers.Dense(64),
layers.Dense(1)
])
代码来源:https://www.tensorflow.org/tutorials/load_data/csv
输出
A normalization layer is being built A dense layer is being added
解释
- 模型的输入是标准化的。
- 可以通过添加"experimental.preprocessing"层来实现此标准化。
- 此层将有助于预先计算与每列相关的平均值和方差。
- 此平均值和方差值用于标准化数据。
- 首先，使用"Normalization.adapt"方法创建标准化层。
- 对于预处理层，"adapt"方法仅应使用训练数据。
- 此标准化层用于构建模型。
