Comment la normalisation des données de travail dans keras pendant la prédiction?

Je vois que le imageDataGenerator me permet de spécifier différents styles de normalisation des données, par exemple featurewise_center, samplewise_center, etc.

Je le voir dans les exemples que si je spécifiez l'une des options suivantes, puis-je appeler à l'ajustement de la méthode sur le générateur, afin de permettre au générateur de calculer des statistiques comme la moyenne de l'image sur le générateur.

(X_train, y_train), (X_test, y_test) = cifar10.load_data()
Y_train = np_utils.to_categorical(y_train, nb_classes)
Y_test = np_utils.to_categorical(y_test, nb_classes)

datagen = ImageDataGenerator(
    featurewise_center=True,
    featurewise_std_normalization=True,
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True)

# compute quantities required for featurewise normalization
# (std, mean, and principal components if ZCA whitening is applied)
datagen.fit(X_train)

# fits the model on batches with real-time data augmentation:
model.fit_generator(datagen.flow(X_train, Y_train, batch_size=32),
                samples_per_epoch=len(X_train), nb_epoch=nb_epoch)

Ma question est, comment prédiction de travail si j'ai spécifié la normalisation des données au cours de la formation? Je ne vois pas comment, dans le cadre, je dirais même de passer de la connaissance de l'ensemble de la formation moyenne/std déviation le long de prédire, pour me permettre de normaliser mes données de test moi-même, mais je ne vois pas dans la formation de code où cette information est stockée.

Sont à l'image des statistiques nécessaires pour la normalisation stockées dans le modèle de sorte qu'ils peuvent être utilisés pendant la prédiction?

OriginalL'auteur Alex Taylor | 2017-01-25