深度学习4j数据应如何归一化？

在deeplearning4j中，可以使用MinMaxScaler类对数据进行归一化处理。MinMaxScaler类可以将数据缩放到指定的范围（通常是0到1之间）。

下面是一个使用MinMaxScaler归一化数据的代码示例：

import org.nd4j.linalg.dataset.api.preprocessor.NormalizerMinMaxScaler;

// 创建一个MinMaxScaler对象
NormalizerMinMaxScaler scaler = new NormalizerMinMaxScaler();

// 数据集
double[] data = {1, 2, 3, 4, 5};

// 将数据集转换为INDArray对象
INDArray array = Nd4j.create(data, new int[]{data.length, 1});

// 拟合归一化器，计算最大值和最小值
scaler.fit(array);

// 对数据进行归一化
scaler.transform(array);

// 输出归一化后的数据
System.out.println(array);

在上述代码中，首先创建了一个MinMaxScaler对象。然后，将数据集转换为INDArray对象，用fit()方法来计算数据集的最大值和最小值。最后，使用transform()方法对数据进行归一化。

输出结果为归一化后的数据：

[[0.0]
 [0.25]
 [0.5]
 [0.75]
 [1.0]]

以上就是使用deeplearning4j对数据进行归一化的方法，可以根据具体的需求和数据集选择不同的归一化方法和参数。