Question

我有一个形状为address的numpy数组，意思是componentDidMount() { getAsyncAddress().then((address) => { this.props.loadProfile(address); } }。

现在我使用以下代码对图像数据进行标准化：

(34799, 32, 32, 3)

但结果似乎不对，(num examples, width, height, channels)的值为def normalize(x): return (x - 128) / 128 X_train_norm = normalize(X_train)，但X_train[0][0][0]的输出为[28 25 24]。

我使用以下测试代码：

X_train_norm[0][0][0]

输出：

[1.21875 1.1953125 1.1875]

为什么test = np.array([[[[28, 25, 24]]]]) print ((test - 128) / 128)函数得到了错误的结果？

Answer 1

我认为图片是作为一个充满uint8字节的numpy数组加载的，其值介于0和255之间。

如果您对uint8执行减法操作，结果为否定，则会发生回绕。与123 - 128 == 251类似，然后将其除以128.例如：

>>> np.array([28,25,24], dtype=np.uint8) - 128
array([156, 153, 152], dtype=uint8)

然后，我们得到了报告：

>>> (np.array([28,25,24], dtype=np.uint8) - 128)/128
array([1.21875  , 1.1953125, 1.1875   ])

要解决此问题，您可以使用.astype(..)：

def normalize(x):
    return (x.astype(float) - 128) / 128

请注意，这与您使用函数的事实无关，如果您使用了原始数组的表达式，那么您将获得相同的结果。

Answer 2

由于代码是当前编写的，如果x有dtype uint8（它似乎有），则减法将在uint8中进行，但除法是在float中完成的。

解决此问题的最简单方法是通过让128为浮点数来强制减法在浮点数中发生

def normalize(x):
    return (x - 128.0) / 128

Numpy - 标准化RGB像素阵列

2 个答案: