码迷,mamicode.com
首页 > Web开发 > 详细

tensorflow-2.0 技巧 | ImageNet 归一化

时间:2019-10-10 22:49:59      阅读:167      评论:0      收藏:0      [点我收藏+]

标签:random   rand   http   shape   turn   sha   max   proc   相同   

_MEAN_RGB = [123.15, 115.90, 103.06]
def _preprocess_subtract_imagenet_mean(inputs):
    """Subtract Imagenet mean RGB value."""
    mean_rgb = tf.reshape(_MEAN_RGB, [1, 1, 1, 3])
    print("mean_rgb:\n", mean_rgb)
    return inputs - mean_rgb
inputs = tf.random.uniform(shape=[2, 448, 448, 3], maxval=255)
print("inputs:\n", inputs)
imgs_new = _preprocess_subtract_imagenet_mean(inputs)
print("imgs_sub:\n", imgs_new)

技术图片
会Boardcast!
– 从最后面的维度开始匹配。
– 在前面插入若干维度。
– 将维度的size从1通过expand变到和某个Tensor相同的维度。

总之,Broadcasting操作就是自动实现了若干unsqueeze和expand操作,以使两个tensor的shape一致,从而完成某些操作(往往是加法)。

tensorflow-2.0 技巧 | ImageNet 归一化

标签:random   rand   http   shape   turn   sha   max   proc   相同   

原文地址:https://www.cnblogs.com/ManWingloeng/p/11650784.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!