用Tensorflow标准化特征的正确方法是什么？

Question

我有一个数据集，具有我想扩展的功能，带有张量流。问题是我不了解将转换应用于输入集，然后再应用于随机输入向量（用于单个预测）的机制是什么。

什么是用于标准化数据集的最佳实践模式，以便可以保留均值和标准差以备后用？换句话说，在训练模型时，如何在训练和测试时有效地应用所定义的预处理方法？

编辑：我认为它可能会出现类似的情况

init_dataset = [[1,2,3],[4,5,6],[7,8,9]]

init_dataset_normalized = normalize(init_data_set)

fit = model( init_dataset_normalized )

pred = fit.predict( normalize( random_input ))

Answer 1

假设我有灰度图像，我使用以下图像：

def scale(X):
    x = []
    for i in range(len(X)):
        x.append(X[i].astype('float32'))
        x[i] /= 255.0
    return x

希望这可以回答问题。