► Keras 3 API 文档 / 层 API / 预处理层 / 数值特征预处理层 / 归一化层

Normalization 层

`Normalization` 类

keras.layers.Normalization(axis=-1, mean=None, variance=None, invert=False, **kwargs)

一个用于归一化连续特征的预处理层。

此层将输入数据平移和缩放，使其分布中心为 0，标准差为 1。它通过预先计算数据的均值和方差，并在运行时调用 (input - mean) / sqrt(var) 来实现此目的。

该层的均值和方差值必须在构造时提供或通过 adapt() 学习。adapt() 将计算数据的均值和方差，并将其存储为层的权重。adapt() 应该在 fit()、evaluate() 或 predict() 之前调用。

参数

axis：整数、整数元组或 None。形状中应为每个索引具有单独均值和方差的轴或轴。例如，如果形状是 (None, 5) 且 axis=1，则该层将为最后一个轴跟踪 5 个单独的均值和方差值。如果 axis 设置为 None，则该层将通过标量均值和方差归一化输入中的所有元素。当为 -1 时，假定输入的最后一个轴是特征维度并按索引归一化。请注意，在只有批次轴的批次标量输入的特定情况下，默认将分别归一化批次中的每个索引。在这种情况下，请考虑传递 axis=None。默认为 -1。
mean：归一化期间要使用的均值。传递的值将广播到上面保留的轴的形状；如果值无法广播，则在调用此层的 build() 方法时将引发错误。
variance：归一化期间要使用的方差。传递的值将广播到上面保留的轴的形状；如果值无法广播，则在调用此层的 build() 方法时将引发错误。
invert：如果为 True，此层将对其输入应用逆变换：它会将归一化的输入变回其原始形式。

示例

通过在 adapt() 中分析数据集来计算全局均值和方差。

>>> adapt_data = np.array([1., 2., 3., 4., 5.], dtype='float32')
>>> input_data = np.array([1., 2., 3.], dtype='float32')
>>> layer = keras.layers.Normalization(axis=None)
>>> layer.adapt(adapt_data)
>>> layer(input_data)
array([-1.4142135, -0.70710677, 0.], dtype=float32)

为最后一个轴上的每个索引计算均值和方差。

>>> adapt_data = np.array([[0., 7., 4.],
...                        [2., 9., 6.],
...                        [0., 7., 4.],
...                        [2., 9., 6.]], dtype='float32')
>>> input_data = np.array([[0., 7., 4.]], dtype='float32')
>>> layer = keras.layers.Normalization(axis=-1)
>>> layer.adapt(adapt_data)
>>> layer(input_data)
array([-1., -1., -1.], dtype=float32)

直接传递均值和方差。

>>> input_data = np.array([[1.], [2.], [3.]], dtype='float32')
>>> layer = keras.layers.Normalization(mean=3., variance=2.)
>>> layer(input_data)
array([[-1.4142135 ],
       [-0.70710677],
       [ 0.        ]], dtype=float32)

使用该层对输入进行反归一化（在层自适应之后）。

>>> adapt_data = np.array([[0., 7., 4.],
...                        [2., 9., 6.],
...                        [0., 7., 4.],
...                        [2., 9., 6.]], dtype='float32')
>>> input_data = np.array([[1., 2., 3.]], dtype='float32')
>>> layer = keras.layers.Normalization(axis=-1, invert=True)
>>> layer.adapt(adapt_data)
>>> layer(input_data)
array([2., 10., 8.], dtype=float32)

Normalization 层

Normalization 类

Normalization 层

Normalization 类

`Normalization` 类