1
A
回答
3
如果您输入介于0和1之间或-1和1之间的标准化值,神经网络训练速度更快,数字更稳定。通常,如果输入数据具有不同的比例,则必须对其进行归一化。
由于图像通常具有0-255之间的值范围,因此此标准化步骤并非绝对必要。看到Karpathys的博客文章在这里:http://cs231n.github.io/neural-networks-2/
相关问题
- 1. CIFAR10示例:从Keras到Tensorflow
- 2. VGG16 Keras CIFAR10微调:我如何预处理输入数据以适应VGG16网络?
- 3. TensorFlow CIFAR10示例
- 4. 数据聚类 - 数据预处理
- 5. 如何预处理FasterCSV的CSV数据?
- 6. 使用keras与cifar10数据集与vgg16网络模型没有正确学习?
- 7. 如何将cifar10输入到keras的inceptionv3中
- 8. CIFAR10示例运行时间
- 9. 预处理函数
- 10. Keras cifar10示例验证和测试损失低于培训损失
- 11. 缺失的示例|预取和预处理数据使用线程
- 12. 如何预处理交易数据以预测购买概率?
- 13. 如何预处理/转换数据绑定的数据?
- 14. Keras初始版v3的预处理功能
- 15. Keras如何处理多标签分类?
- 16. EEGLAB睡眠脑电数据预处理
- 17. 大数据处理的预定任务
- 18. TFIDF与以前预处理的数据
- 19. Django。从DB预处理数据
- 20. 用于预处理的好数据集
- 21. MySQL数据库的预处理表
- 22. 用于报告的预处理数据
- 23. 机器学习数据预处理
- 24. Keras处理无法放入内存的大型数据集
- 25. 培训多输入Keras NN与批处理训练数据
- 26. keras预期
- 27. 如何在深度学习(keras)训练输入数据中预处理类别信息?
- 28. Wix 3.5预处理器扩展 - undefined预处理函数
- 29. 数据处理,如何处理
- 30. Epicor 10如何在BPM预处理和后处理之间存储数据?
感谢您的额外信息 – Demon