tensorflow1.8对输入数据进行归一化处理

在TensorFlow 1.8中，可以使用tf.keras.preprocessing.image.ImageDataGenerator类中的rescale方法对输入数据进行归一化处理。该方法将像素值除以255，将其缩放到0到1之间。

例如，假设我们有一个包含训练图像的文件夹train_dir和一个包含验证图像的文件夹val_dir。我们可以使用以下代码创建ImageDataGenerator对象并对图像进行归一化处理：

from tensorflow.keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(rescale=1./255)
val_datagen = ImageDataGenerator(rescale=1./255)

train_generator = train_datagen.flow_from_directory(train_dir,
                                                    target_size=(150, 150),
                                                    batch_size=32,
                                                    class_mode='binary')

validation_generator = val_datagen.flow_from_directory(val_dir,
                                                        target_size=(150, 150),
                                                        batch_size=32,
                                                        class_mode='binary')

在这个例子中，我们将图像的大小调整为150x150像素，并将像素值除以255，以将它们缩放到0到1之间。然后，我们使用ImageDataGenerator的flow_from_directory方法从文件夹中生成批次的图像数据，并将它们传递给模型进行训练或验证。