Question

Tensorflow中的

tf.image.per_image_standardization()将每个图像转换为零均值＆amp;单位方差。因此，在训练深度学习模型时，这会导致非爆炸渐变。但是当我们想要显示图像数组时，我们如何在Tensorflow中恢复这个z-score标准化步骤？

Answer 1

tf.image.per_image_standardization()图层将创建一些可用于恢复原始数据的内部变量。请注意，这是无证件行为，不保证保持不变。目前，您仍然可以使用下面的代码（已测试）作为参考，以获取相关的张量并恢复原始数据：

import tensorflow as tf
import numpy as np

img_size = 3
a = tf.placeholder( shape = ( img_size, img_size, 1 ), dtype = tf.float32 )
b = tf.image.per_image_standardization( a )

with tf.Session() as sess:
    tensors, tensor_names = [], []
    for l in sess.graph.get_operations():
        tensors.append( sess.graph.get_tensor_by_name( l.name + ":0" ) )
        tensor_names.append( l.name )

    #mean_t = sess.graph.get_tensor_by_name( "per_image_standardization/Mean:0" )
    #variance_t = sess.graph.get_tensor_by_name( "per_image_standardization/Sqrt:0" )

    foobar = np.reshape( np.array( range( img_size * img_size ), dtype = np.float32 ), ( img_size, img_size, 1 ) )
    res =  sess.run( tensors, feed_dict = { a : foobar } )
    #for i in xrange( len( res ) ):
    #    print( i, tensor_names[ i ] + ":" )
    #    print( res[ i ] )
    #    print()

    mean = res[ 6 ] # "per_image_standardization/Mean:0"
    variance = res[ 13 ] # "per_image_standardization/Sqrt:0"
    standardized = res[ 18 ] # "per_image_standardization:0"
    original = standardized * variance + mean
    print( original )

您可以取消注释mean_t和variance_t行，以便按名称获取相关张量的引用。（需要对sess.run()部分进行一些重写。）您可以取消注释以for i in xrange(...开头的四行（不需要重写）来打印所有可用的创建张量以进行启发。：）

上述代码按原样输出：

[[[0]
    [1.]
    [2.]]

[[3]
    [4.]
    [5.]]

[[6]
    [7.]
    [8.]]]

这正是馈送到网络的数据。

Answer 2

通过“显示图像阵列”我假设你的意思是在张量板中显示它。如果是这种情况，那么您不需要做任何事情，张量板可以处理已经标准化的图像。如果您希望将原始值用于任何其他目的，为什么不在标准化之前使用该变量，例如：

img = tf.placeholder(...)
img_std = tf.image.per_image_standardization(img)

您可以以任何您认为合适的方式使用img或img_std。

如果你以某种方式有一个用于非标准化图像的用例，而上面未涉及的标准化图像那么你需要自己计算平均值和标准差，然后乘以标准差并加上平均值。请注意，tf.image.per_image_standardization使用文档中定义的adjusted_stddev：

adjusted_stddev = max(stddev, 1.0/sqrt(image.NumElements()))

如何在tensorflow中反转tf.image.per_image_standardization（）函数？

2 个答案: