我想通过均值和标准差来归一化我的数据，就像这个例子一样：

datagen.fit(data)mean = datagen.mean  std = datagen.stdprint(mean, "mean")print(std, "std")

在此之前，在我的预测文件中，我会将这两个值（均值和标准差）传入这个方法中：

def normalize(x, mean, std):    x[..., 0] -= mean[0]    x[..., 1] -= mean[1]    x[..., 2] -= mean[2]    x[..., 0] /= std[0]    x[..., 1] /= std[1]    x[..., 2] /= std[2]    return x

但在我的训练文件中，我使用flow_from_directory方法来获取数据：

train_datagen = ImageDataGenerator(        zoom_range=0.2,        rescale=1./255,        shear_range=0.2,        horizontal_flip=True,        featurewise_center=True,        featurewise_std_normalization=True,)train_generator = train_datagen.flow_from_directory(TRAIN_DIR,    target_size=(224, 224),    batch_size=50,    class_mode='binary')

我的疑问是：如果我没有’x_train’数组，我如何在datagen.fit(data)中传入数据？

我这样做对吗？

回答：

你可以自己计算mean和std。之后只需将这些值设置到DataGenerator中：

datagen = image.ImageDataGenerator(featurewise_center=True,                               featurewise_std_normalization=True)datagen.mean = np.array([111.1, 222.2, 333.3], dtype=np.float32).reshape((1,1,3))datagen.std = np.array([5.3, 4.2, 6.3], dtype=np.float32).reshape((1,1,3))