如何使用Tensorflow为abalone数据集构建归一化层？

可以使用“预处理”模块中的“Normalization”方法构建归一化层。该层可适应于abalone数据集的特征。除此之外，还添加了一个密集层以提高模型的训练能力。该层将帮助预计算每列相关的均值和方差。这些均值和方差将用于规范化数据。

更多Python相关文章，请阅读：Python 教程

我们将使用包含对abalone的一组测量的abalone数据集。鲍鱼是一种海螺，目标是基于其他测量预测其年龄。

我们使用Google Colaboratory运行以下代码。Google Colab或Colaboratory在浏览器上运行Python代码，在任何配置和免费访问GPU（图形处理单元）的同时也不需要任何配置。Colaboratory是基于Jupyter Notebook构建的。

print("正在构建归一化层")
normalize = preprocessing.Normalization()
normalize.adapt(abalone_features)
print("正在添加密集层")
norm_abalone_model = tf.keras.Sequential([
   normalize,
   layers.Dense(64),
   layers.Dense(1)
])

代码来源：https://www.tensorflow.org/tutorials/load_data/csv

输出

正在构建归一化层
正在添加密集层

解释

• 模型的输入进行了归一化处理。
• 可以通过添加“experimental.preprocessing”层来实现归一化。
• 该层将帮助预计算每列相关的均值和方差。
• 这些均值和方差值用于规范化数据。
• 首先使用“Normalization.adapt”方法创建归一化层。
• 预处理层的“adapt”方法仅应使用训练数据。
• 使用这个归一化层来构建模型。