Tensorflow 2.x(keras)源码详解之第五章:数据预处理

文章目录

  • 1. 数据预处理

1. 数据预处理

  • 使用 Keras 预处理层,可以构建和导出真正的端到端模型:接受原始图像或原始结构化数据作为输入的模型;自行处理特征归一化或特征值索引。
  • tf中可用的数据预处理层包括:
    • 文本预处理:
      • tf.keras.layers.TextVectorization:将原始字符串转换为可由Embedding层或Dense层读取的编码表示。
    • 数值特征处理:
      • tf.keras.layers.Normalization:执行输入特征的特征归一化。
      • tf.keras.layers.Discretization: 将连续的数字特征转换为整数分类特征。
    • 分类特征处理:
      • tf.keras.layers.CategoryEncoding:将整数分类特征转换为单热、多热或计数密集表示。
      • tf.keras.layers.Hashing:执行分类特征散列,也称为“散列技巧”。
      • tf.keras.layers.StringLookup:将字符串分类值转换为可由Embedding层或Dense层读取的编码表示。
      • tf.keras.layers.IntegerLookup:将整数分类值转换为可

你可能感兴趣的:(python,keras)