基于TensorFlow的归一化训练数据：代码中lambda的含义解析

代码整体作用 #

这段代码的核心是把图像数据集的像素值从0-255的原始区间，缩放到0-1的归一化区间，适配模型训练的数值要求。

重点解释lambda部分 #

TensorFlow的数据集（比如这里的train_data）里的每一条数据都是**(图像数据x, 标签y)**的配对结构。train_data.map()方法的作用是对数据集中的每一条样本执行自定义处理，它需要传入一个能接收样本对并返回处理后样本对的函数。

这里的lambda x, y: (normalization_layer(x), y)是一个匿名函数，逻辑非常直接：

• 接收两个参数：x代表当前样本的图像张量，y代表对应的分类标签
• 仅对图像x应用归一化层normalization_layer（也就是执行x / 255的运算）
• 标签y完全保持原样，不做任何修改
• 返回处理后的新样本对：(归一化后的图像, 原标签)，以此替换原数据集中的对应样本

等价写法（不用lambda） #

如果觉得lambda不够直观，用普通函数能实现完全一样的效果：

def preprocess_sample(x, y):
    normalized_img = normalization_layer(x)
    return (normalized_img, y)

train_data = train_data.map(preprocess_sample)

lambda只是这种简单逻辑下的简洁写法，省去了单独定义函数的步骤。

内容的提问来源于stack exchange，提问作者Osama Mohammed