TensorFlow.js - 根据 2D 数据进行预测--准备数据以用于训练

5. 准备数据以用于训练

为了享有 TensorFlow.js 的性能优势，从而让训练机器学习模型切实可行，我们需要将数据转换为张量。我们还会对数据执行许多转换（这是最佳做法），即重排和归一化。

将以下代码添加到您的
script.js 文件中

/**
 * Convert the input data to tensors that we can use for machine
 * learning. We will also do the important best practices of _shuffling_
 * the data and _normalizing_ the data
 * MPG on the y-axis.
 */
function convertToTensor(data) {
  // Wrapping these calculations in a tidy will dispose any
  // intermediate tensors.
  return tf.tidy(() => {
    // Step 1. Shuffle the data
    tf.util.shuffle(data);
    // Step 2. Convert data to Tensor
    const inputs = data.map(d => d.horsepower)
    const labels = data.map(d => d.mpg);
    const inputTensor = tf.tensor2d(inputs, [inputs.length, 1]);
    const labelTensor = tf.tensor2d(labels, [labels.length, 1]);
    //Step 3. Normalize the data to the range 0 - 1 using min-max scaling
    const inputMax = inputTensor.max();
    const inputMin = inputTensor.min();
    const labelMax = labelTensor.max();
    const labelMin = labelTensor.min();
    const normalizedInputs = inputTensor.sub(inputMin).div(inputMax.sub(inputMin));
    const normalizedLabels = labelTensor.sub(labelMin).div(labelMax.sub(labelMin));
    return {
      inputs: normalizedInputs,
      labels: normalizedLabels,
      // Return the min/max bounds so we can use them later.
      inputMax,
      inputMin,
      labelMax,
      labelMin,
    }
  });
}

我们来详细了解一下发生哪些情况。

重排数据

// Step 1. Shuffle the data
tf.util.shuffle(data);

我们会随机排列提供给训练算法的样本的顺序。数据重排很重要，因为在训练期间，数据集通常会被拆分成较小的子集（称为批次），以用于训练模型。借助重排，每个批次可从分布的所有数据中获取各种数据。通过这样做，我们可以帮助模型：

• 不学习纯粹依赖于数据输入顺序的东西
• 对子组中的结构不敏感（例如，如果模型在训练的前半部分仅看到高马力汽车，可能会学习一种不适用于数据集其余部分的关系）。

  最佳做法 1：您应始终重排数据，然后再将其传递给 TensorFlow.js 中的训练算法

转换为张量

// Step 2. Convert data to Tensor
const inputs = data.map(d => d.horsepower)
const labels = data.map(d => d.mpg);
const inputTensor = tf.tensor2d(inputs, [inputs.length, 1]);
const labelTensor = tf.tensor2d(labels, [labels.length, 1]);

我们会创建两个数组，一个用于输入样本（马力条目），另一个用于真实输出值（在机器学习中称为标签）。

然后，将每个数组数据转换为 2d 张量。张量的形状将为 [num_examples, num_features_per_example]。我们使用的是 inputs.length 样本，每个样本都具有 1 输入特征（马力）。

对数据进行归一化

//Step 3. Normalize the data to the range 0 - 1 using min-max scaling
const inputMax = inputTensor.max();
const inputMin = inputTensor.min();
const labelMax = labelTensor.max();
const labelMin = labelTensor.min();
const normalizedInputs = inputTensor.sub(inputMin).div(inputMax.sub(inputMin));
const normalizedLabels = labelTensor.sub(labelMin).div(labelMax.sub(labelMin));

接下来，我们将实施另一种最佳做法来进行机器学习训练。我们会对数据进行归一化。我们使用最小-最大缩放比例)将数据归一化为数值范围 0-1。归一化至关重要，因为您将使用 tensorflow.js 构建的许多机器学习模型的内部构件旨在处理不太大的数字。对数据进行归一化以包含 0 to 1 或 -1 to 1 的通用范围。如果您养成将数据归一化到某合理范围内的习惯，那么在训练模型时就更有可能取得成功。

最佳做法 2：在训练之前，您应始终考虑对数据进行归一化。某些数据集无需进行归一化即可学习，但是对数据进行归一化通常会消除一类妨碍有效学习的问题。

您可以在将数据转换为张量之前对其进行归一化。我们之所以这样做，是因为我们可以利用 TensorFlow.js 中的矢量化来执行最小最大缩放操作，而无需编写任何明确的 for 循环。

返回数据和归一化边界

return {
  inputs: normalizedInputs,
  labels: normalizedLabels,
  // Return the min/max bounds so we can use them later.
  inputMax,
  inputMin,
  labelMax,
  labelMin,
}

我们希望保留训练期间用于归一化的值，以便我们可以将输出取消归一化，以使其恢复到原始比例，并且使我们能以相同方式对今后的输入数据进行归一化。