Question

我有一个numpy数组data的形状：[128,64,64,64]，我想知道将128个切片中的每个切片标准化为范围[0.0,1.0]的最佳方法是什么。我明白我可以使用np.max（data [0，...]），np.max（data [1，...]）... np.max（data [127，...]）来计算每个切片中的最大值，但想知道我是否可以更有效地做到这一点。

基本上是这样的：

data_min = np.min(data[:,...])
data_max = np.max(data[:,...])
norm_data = (data[:,...] - data_min)/(data_max - data_min)

结果应该仍然有形[128,64,64,64] 但我还没弄清楚使用哪种特定的最小/最大函数和选项来获得结果。

请指教。谢谢！

Answer 1

获取最小值和最大值，同时保留尺寸，以便在我们使用标准化公式来标准化输入数据时使用broadcasting来帮助我们，就像这样 -

mins = data.min(axis=(1,2,3), keepdims=True)
maxs = data.max(axis=(1,2,3), keepdims=True)
norm_data = (data-mins)/(maxs-mins)

Answer 2

您可以使用np.vectorize在数组的所有元素上应用函数：

def norm(element):
    return (element - data_min) / (data_max - data_min)

ndnorm = np.vectorize(norm)

data_min = data.min()
data_max = data.max()

norm_data = ndnorm(data)

如何规范化numpy数组中的子数组

2 个答案: