哪种方法可以进行图像归一化？
在准备用于神经网络训练的训练集时，我找到两种可能的方法。哪种方法可以进行图像归一化？
- 的传统方法：计算上整个训练的平均发送到网络之前设置，再减去每幅图像此固定平均值。以类似的方式处理标准偏差。
- 我发现tensorflow提供的功能
tf.image.per_image_standardization做单一图像正常化。
我不知道哪种方式更合适？
回答：
两种方式都是可能的选择主要取决于你读数据的方式。
整个训练集正常化时非常方便，你可以一次加载整个数据集到一个数组numpy的。例如，MNIST dataset通常被完全加载到内存中。当个体图像显着变化时，这种方式在收敛性方面也是优选的：两个训练图像，一个大多是白色，另一个大多是黑色，将具有非常不同的手段。
每个图像当图像逐个加载或小批量加载时（例如从TFRecord加载），规范化非常方便。当数据集太大，太适合内存时，它也是唯一可行的选择。在这种情况下，最好组织input pipeline in tensorflow并像图中其他张量一样转换图像张量。在CIFAR-10中我已经看到了这种标准化的非常好的准确性，尽管存在前面提到的问题，但这是一种可行的方法。另请注意，您可以通过batch normalization减少负面影响。
以上是 哪种方法可以进行图像归一化？ 的全部内容， 来源链接： utcz.com/qa/262203.html
