本文介绍: 介绍了图像预处理中 resize 和 crop 的概念，在仓库的 python 预处理函数中，在 resize 和 crop之后，还有几个预处理的过程：一个是归一化，另外就是transpose 和reshape。这一节就介绍一下，为什么在推理之前还需要对图像进行归一化。
上一篇介绍了图像预处理中 resize 和 crop 的概念，在仓库的 python 预处理函数中，在 resize 和 crop之后，还有几个预处理的过程：一个是归一化，另外就是transpose 和reshape。
这一节就介绍一下，为什么在推理之前还需要对图像进行归一化。
归一化（Normalization）
在深度学习中，推理或训练之前对图像进行预处理，特别是归一化，是一种非常常见的做法。
那为什么要做归一化呢？
使用归一化的目的是将输入数据进行标准化，使输入的数据具有相似的分布。
什么意思呢？我们以图像举例子，不同的图片之间数据分布差异是很大的，有些图片的像素值普遍偏大，而有些图片的像素值偏小。
数据分布的不同，会导致神经网络在训练或者推理时出现较大的偏差，有时会导致训练收敛困难，推理误差较大。
这一点我们在介绍bn算法的时候曾经说到过，Bn 算法就是为了纠正在隐藏层与层之间，由于数据分布不一致而导致的模型难以收敛的问题，可以翻回到 bn 介绍的那一节再复习一下。
所以在将不同的图片送给神经网络进行推理之前，我们也需要对不同的图片中数据分布进行归一化，以纠正不同图片样本之间的数据偏差，从而使得模型更好地完成推理。
归
原文地址:https://blog.csdn.net/dongtuoc/article/details/135491520
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。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。
如若转载，请注明出处：http://www.7code.cn/show_53960.html
如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
