편집
1,408
번
바뀜
새 문서: == 개요 == 케라스 자체적으로도 데이터 전처리를 제공한다. == 전처리 == {| class="wikitable" !의도 !설명 !방법 |- |정규화 |평균 0, 표준편차 1로...
== 개요 ==
케라스 자체적으로도 데이터 전처리를 제공한다.
== 전처리 ==
{| class="wikitable"
!의도
!설명
!방법
|-
|정규화
|평균 0, 표준편차 1로 정규화한다.
|<syntaxhighlight lang="python">
from tensorflow.keras.layers import Normalization
training_data = np.random.randint(0, 256, size=(64, 200, 200, 3)).astype("float32") # 예시데이터
normalizer = Normalization(axis=-1) # 정규화 객체 생성.
normalizer.adapt(training_data) # 정규화 방법 지정.
normalized_data = normalizer(training_data) # 데이터에 정규화 진행.
</syntaxhighlight>
|-
|이미지 전처리
|이미지를 처리할 땐 이미지를 자르거나 수치의 제한을 설정하는 과정이 필요할 때가 있다.
|<syntaxhighlight lang="python">
from tensorflow.keras.layers import CenterCrop
from tensorflow.keras.layers import Rescaling
# Example image data, with values in the [0, 255] range
training_data = np.random.randint(0, 256, size=(64, 200, 200, 3)).astype("float32")
cropper = CenterCrop(height=150, width=150)
scaler = Rescaling(scale=1.0 / 255)
output_data = scaler(cropper(training_data))
print("shape:", output_data.shape) # 64개의 150,150 크기의 3채널 데이터임을 알려준다.
print("min:", np.min(output_data)) # 가장 작은 데이터는 0
print("max:", np.max(output_data)) # 가장 큰 데이터는 1
</syntaxhighlight>
|-
|
|
|
|}
[[분류:Keras]]
[[분류:데이터 전처리]]
케라스 자체적으로도 데이터 전처리를 제공한다.
== 전처리 ==
{| class="wikitable"
!의도
!설명
!방법
|-
|정규화
|평균 0, 표준편차 1로 정규화한다.
|<syntaxhighlight lang="python">
from tensorflow.keras.layers import Normalization
training_data = np.random.randint(0, 256, size=(64, 200, 200, 3)).astype("float32") # 예시데이터
normalizer = Normalization(axis=-1) # 정규화 객체 생성.
normalizer.adapt(training_data) # 정규화 방법 지정.
normalized_data = normalizer(training_data) # 데이터에 정규화 진행.
</syntaxhighlight>
|-
|이미지 전처리
|이미지를 처리할 땐 이미지를 자르거나 수치의 제한을 설정하는 과정이 필요할 때가 있다.
|<syntaxhighlight lang="python">
from tensorflow.keras.layers import CenterCrop
from tensorflow.keras.layers import Rescaling
# Example image data, with values in the [0, 255] range
training_data = np.random.randint(0, 256, size=(64, 200, 200, 3)).astype("float32")
cropper = CenterCrop(height=150, width=150)
scaler = Rescaling(scale=1.0 / 255)
output_data = scaler(cropper(training_data))
print("shape:", output_data.shape) # 64개의 150,150 크기의 3채널 데이터임을 알려준다.
print("min:", np.min(output_data)) # 가장 작은 데이터는 0
print("max:", np.max(output_data)) # 가장 큰 데이터는 1
</syntaxhighlight>
|-
|
|
|
|}
[[분류:Keras]]
[[분류:데이터 전처리]]