Tensorflow2.0实战（二）——分类模型之数据归一化

本节课学习数据的归一化处理，对数据归一化可以使数据服从正态分布，防止产生梯度消失的现象，具体的原
因可以去我的公众号：人工智能Corner，去学习一下。

1、引入相应的包
import tensorflow as tf
from tensorflow import keras
import numpy as np
import sklearn

2、 获取fashion-mnist数据集

2.1、 将数据集分为训练集和测试集
(x_train_all,y_train_all),(x_test,y_test)=keras.datasets.fashion_mnist.load_data()
2.2、 将x_train_all,y_train_all划分为验证集和训练集
x_valid,x_train=x_train_all[:5000],x_train_all[5000:]
y_valid,y_train=y_train_all[:5000],y_train_all[5000:]

3、使用StandardScaler来进行数据归一化处理，使数据服从正态分布

form sklearn.preprocessing import StandardScaler

scaler=StandardScaler()

x_train_scaled=scaler.fit_transform(x_train.astype(np.float32).reshape(-1,1)).reshape(-1,28,28)

x_valid_scaled=scaler.transform(x_valid.astype(np.float32).reshape(-1,1)).reshape(-1,28,28)

x_test_scaled=scaler.transform(x_test.astype(np.float32).reshape(-1,1)).reshape(-1,28,28)

4、使用Sequential来构建模型
model=keras.models.Sequential([
    
    4.1 将数据的S