keras utils normalize的目的是什么？答案

【问题标题】：What is the purpose of keras utils normalize?keras utils normalize的目的是什么？
【发布时间】：2019-03-05 10:05:43
【问题描述】：

我想在将训练集传递给我的 NN 之前对其进行规范化，因此我尝试了 keras.utils.normalize()，而不是手动进行（减去均值并除以标准差），我对得到的结果感到惊讶。

运行这个：

r = np.random.rand(3000) * 1000
nr = normalize(r)
print(np.mean(r))
print(np.mean(nr))
print(np.std(r))
print(np.std(nr))
print(np.min(r))
print(np.min(nr))
print(np.max(r))
print(np.max(nr))

结果：

495.60440066771866
0.015737914577213984
291.4440194021
0.009254802974329002
0.20755517410064872
6.590913227674956e-06
999.7631481267636
0.03174747238214018

不幸的是，docs 没有解释幕后发生的事情。您能否解释一下它的作用以及我是否应该使用 keras.utils.normalize 而不是我手动完成的操作？

【问题讨论】：

标签： python machine-learning neural-network keras

【解决方案1】：

这不是您期望的那种标准化。实际上，it 在后台使用 np.linalg.norm() 使用 Lp-norms 规范化给定数据：

def normalize(x, axis=-1, order=2):
    """Normalizes a Numpy array.
    # Arguments
        x: Numpy array to normalize.
        axis: axis along which to normalize.
        order: Normalization order (e.g. 2 for L2 norm).
    # Returns
        A normalized copy of the array.
    """
    l2 = np.atleast_1d(np.linalg.norm(x, order, axis))
    l2[l2 == 0] = 1
    return x / np.expand_dims(l2, axis)

例如，在默认情况下，它将使用 L2 归一化对数据进行归一化（即元素的平方和等于 1）。

您可以使用此功能，或者如果您不想手动进行均值和标准标准化，您可以使用来自 sklearn 的 StandardScaler() 甚至是 MinMaxScaler()。

【讨论】：