tensorflow-2.0 技巧 | ImageNet 归一化

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)

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