试图标准化/规范化数据以进入 CNN，但遇到问题答案

【问题标题】：Trying to standardize/normalize data to go into CNN, but having issues试图标准化/规范化数据以进入 CNN，但遇到问题
【发布时间】：2020-08-24 15:07:59
【问题描述】：

我有以下 sn-p 代码，我正在尝试在训练我的 CNN 之前对数据进行标准化/规范化。

X = [] # Image data
y = [] # Labels

datagen = ImageDataGenerator(samplewise_center=True)

Loops through imagepaths to load images and labels into arrays
for path in imagepaths:
  img = cv2.imread(path) # Reads image and returns np.array
  img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
  img = cv2.resize(img, (200, 200)) 
  img = datagen.standardize(img) #ERROR POINTING HERE
  X.append(img)

....

但是，在运行此程序时，我收到以下错误提示，指向我在上面评论过的行：

UFuncTypeError: Cannot cast ufunc 'subtract' output from dtype('float64') to dtype('uint8') with casting rule 'same_kind'

知道我在标准化方面哪里出错了吗？或者有没有更简单的方法让我标准化？我看到了一些人们除以 255 的解决方案，但我不确定如何实现。谢谢！

【问题讨论】：

标签： python tensorflow deep-learning conv-neural-network normalization

【解决方案1】：

你需要申请img_to_array方法：

from keras.preprocessing.image import img_to_array

img = cv2.resize(img, (200, 200)) 
img = img_to_array(img)
img = datagen.standardize(img)

【讨论】：