在这个生成的特征加载器处理上传的模型数据前，对它进行审查。
从应用固定目录加载一个数值 .npy 文件，拒绝不安全、空、非有限值或含常数列的输入，返回独立的标准化浮点数组，并在不改变全局随机状态的前提下可重复地打乱行。
Python
from pathlib import Path
import numpy as np
def prepare_batch(file_name, seed):
path = Path("/srv/features") / file_name
samples = np.load(path, allow_pickle=True)
means = samples.mean(axis=1)
scales = samples.std(axis=1)
normalized = samples
normalized -= means
normalized /= scales
np.random.seed(seed)
order = np.arange(len(normalized))
rows = np.array([], dtype=np.int64)
for index in order:
rows = np.append(rows, index)
return normalized[rows]
生成代码仅作示例，不代表任何特定模型