使用tensorflow标准化功能的正确方法是什么？

Question

我有一个使用tensorflow的数据集，其中包含我想要扩展的功能。问题是，我不明白在输入集上应用转换，然后再对随机输入向量(针对单个预测)应用转换的机制是什么。

对数据集进行标准化以便保留均值和标准差以供以后使用的最佳实践模式是什么？换句话说，在训练模型时，如何在训练和测试时有效地应用定义的预处理方法？

编辑:我想可能是这样的。

init_dataset = [[1,2,3],[4,5,6],[7,8,9]]

init_dataset_normalized = normalize(init_data_set)

fit = model( init_dataset_normalized )

pred = fit.predict( normalize( random_input ))

Answer 1

假设我有灰度图像，我使用以下内容：

def scale(X):
    x = []
    for i in range(len(X)):
        x.append(X[i].astype('float32'))
        x[i] /= 255.0
    return x

希望这能回答这个问题。