tensorflow - 你如何去规范化?

标签 tensorflow neural-network keras batch-normalization

对数据进行标准化以使值介于 0-1 之间后,如何对其进行反标准化以便可以解释结果?

因此,当您标准化数据并将其输入网络并获得标准化数据的输出时。如何逆归一化得到原始数据?

最佳答案

如果您有一些数据d,您可以通过执行(类似的操作)将其标准化为0-1

min_d = np.min(d)
max_d = np.max(d)
normalized_d = (d - min_d) / (max_d - min_d)

您可以通过反转标准化来对其进行反标准化。在这种情况下

denormalized_d = normalized_d * (max_d - min_d) + min_d

关于tensorflow - 你如何去规范化?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45257856/

相关文章:

python - 理解 keras 日志输出时出现问题

tensorflow - 在 tensorflow v.1.15 sess=tf.Session() - 无法加载动态库 'cudnn64_7.dll' ; dlerror : cudnn64_7. 找不到 dll

python - 无法在 Colab 中运行具有 TF 2.0 和 GPU 支持的基本示例

python - 将 input_dim 传递给 KerasClassifier(sklearn 包装器/接口(interface))

python - 如何在 Tensorflow 中使用 SWA 实现 Batch Norm?

neural-network - 如何在卷积网络中使用 im2col 操作更有效?

keras - Keras 如何处理分类交叉熵的 log(0)?

python - TensorFlow - 一次读取 TFRecords 中的所有示例?

tensorflow - 使用 tensorflow 后端时在 Keras 中使用 tensorflow.GPUOptions

machine-learning - 使用神经网络进行强化学习