def normalize_and_convert_to_binary(arr): # 将数组进行归一化 arr = np.array(arr) arr_norm = (arr - np.min(arr)) / (np.max(arr) - np.min(arr)) # 将归一化后的小数乘以255,得到一个范围在0到255的整数 arr_int = (arr_norm * 255).astype(int).tolist() # 将整数转换为8位二进制数 arr_bin = [] for i in range(len(arr_int)): arr_bin.append(format(arr_int[i], '08b')) return arr_bin def denormalize(arr_bin): # 将十进制数除以255,得到范围在0到1之间的小数 arr_dec = np.array([int(binary_num, base=2) for binary_num in arr_bin]) arr_norm = arr_dec / 255.0 # 将范围在0到1之间的小数反归一化 arr_denorm = arr_norm * (np.max(arr_norm) - np.min(arr_norm)) + np.min(arr_norm) return arr_denorm
时间: 2024-03-30 20:38:14 浏览: 60
MODE_NORMALIZE.zip_normalize mode_risingqpo_归一化_振型归一化_数据归一化
5星 · 资源好评率100%
这段代码实现了一个数组的归一化和反归一化过程,以及将整数转换为二进制数。
首先,`normalize_and_convert_to_binary`函数接收一个数组作为参数,并将该数组进行归一化处理。归一化的目的是将数组的值缩放到特定的范围内,这里是将数组中的值缩放到0-255之间。具体实现是将数组的每个值减去数组中的最小值,然后除以数组中的最大值和最小值之差,得到一个范围在0到1之间的小数。接着,将这个小数乘以255,得到一个范围在0到255的整数,然后将这个整数转换为一个8位的二进制数,存储在一个字符串数组中,并将这个数组作为函数的返回值。
接下来,`denormalize`函数接收一个字符串数组作为参数,表示一个由整数转换而来的二进制数数组。这个函数将字符串数组中的每个二进制数转换为一个十进制数,然后将这个十进制数除以255,得到一个范围在0到1之间的小数。接着,将这个小数反归一化,得到原始数组中的值,并将这个数组作为函数的返回值。
总体来说,这段代码实现了一个通用的数组归一化和反归一化的过程,并将整数转换为二进制数。这个过程在机器学习和神经网络中经常用到,例如在图像处理中,将像素值归一化到0-1之间,或将标签值转换为二进制数等。
阅读全文