Correction d’un modèle entraîné sur images non normalisées

Scénario

Contexte : Un modèle de classification d’images converge lentement et produit des résultats instables. Le Problème : Les images sont utilisées avec des valeurs de pixels brutes (0-255). Extrait logique actuelle : model.fit(images_raw, labels) Sans normalisation préalable. Contraintes : Appliquer normalisation des pixels (0-1). Réentraîner le modèle. Comparer vitesse de convergence et performance finale. Livrable attendu : Corriger le pipeline en intégrant une étape de normalisation adaptée.

Compétences ciblées