Después de investigar con expertos en la materia, programadores de diversas áreas y profesores hemos dado con la solución a la interrogande y la compartimos en esta publicación.
Multiplicar entradas por scale
y agrega offset
.
Hereda de: PreprocessingLayer
, Layer
, Module
Ver alias
Alias de compatibilidad para la migración
Ver Guía de migración para más detalles.
tf.compat.v1.keras.layers.experimental.preprocessing.Rescaling
tf.keras.layers.experimental.preprocessing.Rescaling( scale, offset=0.0, name=None,**kwargs )
Por ejemplo:
-
Para cambiar la escala de una entrada en el
[0, 255]
rango para estar en el[0, 1]
rango, pasaríasscale=1./255
. -
Para cambiar la escala de una entrada en el
[0, 255]
rango para estar en el[-1, 1]
rango, pasaríasscale=1./127.5, offset=-1
.
El cambio de escala se aplica tanto durante el entrenamiento como durante la inferencia.
Forma de entrada:
Arbitrario.
Forma de salida:
Igual que la entrada.
Argumentos | |
---|---|
scale |
Flotante, la escala a aplicar a las entradas. |
offset |
Flotante, el desplazamiento que se aplicará a las entradas. |
name |
UN stringel nombre de la capa. |
Métodos
adapt
adapt( data, reset_state=True)
Ajusta el estado de la capa de preprocesamiento a los datos que se pasan.
Argumentos | |
---|---|
data |
Los datos para entrenar. Se puede pasar como un conjunto de datos tf.data o como un numpy array. |
reset_state |
Argumento opcional que especifica si borrar el estado de la capa al comienzo de la llamada a adapt , o si se debe comenzar desde el estado existente. Este argumento puede no ser relevante para todas las capas de preprocesamiento: una subclase de PreprocessingLayer puede optar por lanzar si ‘reset_state’ se establece en False. |
Reseñas y valoraciones
Nos puedes añadir valor a nuestro contenido cooperando tu veteranía en las explicaciones.