归一化和归一化输出答案

【问题标题】：Unormalize an normalized output归一化和归一化输出
【发布时间】：2023-03-30 17:58:01
【问题描述】：

我目前正在处理一个 NN 问题，其中我将输入映射到输出。

我已经对输入和输出进行了标准化，使它们在相同的范围内 => -1 到 1，并且我可以使用 tanh 作为激活函数。

我似乎从训练中得到了相当不错的结果，val_loss = 0.0156。

但要实际使用数据集，我必须对输出进行非标准化，这使得它与实际输出大不相同。

我对 NN 很陌生，但是通常会进行非规范化吗？如果不？那么这些问题是如何解决的呢？

我目前正在使用 min-max 标准化进行标准化，并且由于我存储了最大值和最小值，因此我使用它们来返回值。

有关数据的更多信息：

数据集由stft 音频文件组成，输出是一个特征向量（mfcc）。由于 stft 给了我复数，但由于 keras 无法处理复数，我将实部和虚部分开，并将它们连接起来。

【问题讨论】：

【解决方案1】：

您可以使用lambda layer 作为网络本身的一部分来执行非规范化步骤。

假设您可以定义一个归一化函数：

f = K.function(/* some function */)

而你当前的模型是：

model = Sequential()
model.add(Dense(1000, input_dim=1000))
model.add(Dense(1000))

您可以通过以下方式标准化输出：

model = Sequential()
model.add(Dense(1000, input_dim=1000))
model.add(Dense(1000))
model.add(Lambda(lambda x: f(x))

【讨论】：