บทนำ
Data standardization: ปรับสเกลค่าพิกเซลให้อยู่ในช่วง [0,1] แทนที่จะเป็น [0,255] ช่วย neural network เรียนรู้ได้ดีขึ้น
โค้ดตัวอย่าง
from tensorflow.keras import layers
print("Standardizing the data using a rescaling layer")
normalization_layer = tf.keras.layers.experimental.preprocessing.Rescaling(1./255)
print("This layer can be applied by calling the map function on the dataset")
normalized_ds = train_ds.map(lambda x, y: (normalization_layer(x), y))
image_batch, labels_batch = next(iter(normalized_ds))
first_image = image_batch[0]
print(np.min(first_image), np.max(first_image))
# Output: 0.0 0.96902645คำอธิบาย
- RGB values เดิม 0-255 → Rescaling(1./255) → 0-1
- ใช้
mapบน dataset: lambda x, y: (normalization_layer(x), y) - ตรวจสอบ: min=0.0, max≈0.97 (ไม่ถึง 1.0 เพราะภาพจริงไม่มีสีขาวสนิท)
- วิธีอื่น: ใส่ Rescaling layer ในโมเดลโดยตรง (ดูบทความ 1004103458) → deploy ง่ายกว่า
ทำไมต้อง Standardize?
- Gradient descent converge เร็วขึ้นเมื่อ features มี scale คล้ายกัน
- หลีกเลี่ยงปัญหา vanishing/exploding gradients
- Numerical stability ดีขึ้น
