Python CNN 模型训练中的数据归一化
Data normalization in Python CNN model training
我正在 Python 进行 CNN 模型训练，我有一个问题。我知道数据规范化对于在 0 和 1 之间缩放我的数据帧中的数据很重要，但是假设我垂直地对我的数据帧执行 z-score 规范化（这意味着在每个功能的范围内缩放数据），但是在我部署之后模型并想在现实世界的场景中使用它，我的数据框中只有一行数据（但具有相同数量的特征），我无法再执行规范化，因为每个特征只有一个数据。标准差将为 0，z 分数除以 0 不适用。
我想确认是否还需要对真实场景进行数据归一化？如果我不需要，结果会因为我在模型训练期间进行归一化而有所不同吗？
如果您使用的是 scikit-learn 中的 StandardScaler。您需要保存缩放器对象并在部署后使用它来转换新数据。
我正在 Python 进行 CNN 模型训练，我有一个问题。我知道数据规范化对于在 0 和 1 之间缩放我的数据帧中的数据很重要，但是假设我垂直地对我的数据帧执行 z-score 规范化（这意味着在每个功能的范围内缩放数据），但是在我部署之后模型并想在现实世界的场景中使用它，我的数据框中只有一行数据（但具有相同数量的特征），我无法再执行规范化，因为每个特征只有一个数据。标准差将为 0，z 分数除以 0 不适用。
我想确认是否还需要对真实场景进行数据归一化？如果我不需要，结果会因为我在模型训练期间进行归一化而有所不同吗？
如果您使用的是 scikit-learn 中的 StandardScaler。您需要保存缩放器对象并在部署后使用它来转换新数据。