在训练神经网络模型的时候，对数据进行预处理是必不可少的操作，而对数据进行归一化是预处理最常用的操作。
最常用的归一化方法有两种，Min-Max归一化和Z-score归一化。
Min-Max归一化
原理网上很多，直接上程序：
# Min-Max Normalizationimport numpy as npdata = np.load('your_data.npy')
shape = data.shape
print(shape)
print(data)
data = data.reshape(-1)
x_max = np.max(data)
x_min = np.min(data)
print(x_max, x_min)result = data
for i in range(len(result)):result[i] = (data[i] - x_min)/(x_max - x_min)print(result.shape)
result = result.reshape(shape)
print(result)
np.save('result.npy', result)Z-score归一化
原理网上很多，直接上程序：
# Z-score Normalizationimport numpy as np
from sklearn import preprocessingdata = np.load('your_data.npy')
shape = data.shape
print(shape)
data = data.reshape(-1)
print(data)
result = preprocessing.scale(data).reshape(shape)
print(result)
np.save('result.npy', result)