如何解决这些不同的归一化值在这段代码中意味着什么？ [TensorFlow] [图像预处理]
我目前正在学习利用机器学习/张量流等。 我明白标准化的意思（感谢谷歌）： 归一化是一个改变像素强度值范围的过程。例如，应用包括因眩光而对比度较差的照片。
我遇到了某人的代码 - 下面是某人使用的规范化技术。但是我无法理解下面每个标准化技术的作用？
如果有人能解释一下，我们将不胜感激。
normalizers = [('x - 127.5',lambda x: x - 127.5),('x/127.5 - 1.0',lambda x: x/127.5 - 1.0),('x/255.0 - 0.5',lambda x: x/255.0 - 0.5),('x - x.mean()',lambda x: x - x.mean()),('(x - x.mean())/x.std()',lambda x: (x - x.mean())/x.std())]
解决方法
尝试为每个端点输入端点以找到范围。
- 第一个将范围内的值转换为 0 --> 255 到 -127.5 --> 127.5。
- 第二个转换为 -1 --> 1
- 第三个转换为 -0.5 到 0.5
- 第四个减去平均值，这导致以 0 为中心的类似分布
- 第五个计算统计中称为 z-score 的东西
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
