Tensorflow 2.x(keras)源码详解之第五章：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

标签： python keras

本文转载自: https://blog.csdn.net/weixin_43178406/article/details/124324917
版权归原作者 爱编程的喵喵 所有，如有侵权，请联系我们删除。