0
据我理解如果我想申请数据的归一化[0,255]至[0,1),I可以通过标尺的参数:在prototxt的transform_param 0.00390625文件。但是,如果我想执行数据的标准化为[-0.5,0.5](以便具有0均值分布),那么原型文件的级别呢?来自Caffe的输入数据归一化
考虑我train_val.prototxt文件看起来像如下:
transform_param {
mirror: true
crop_size: 227
scale: 0.00390625
mean_file: "some_mean_file.binaryproto"
从数学上来说,我认为它看起来象下面这样:
normalized value = (input pixel value/255) - 0.5
,但我无能如何映射到由于比例值没有负值(有符号值)的概念,因此比例值transform_param。或许,Caffe有不同的机制来实现这一点(而不是通过规模化操作)。
根据我对Udacity关于深度学习的讲解的理解,它提到总是对输入进行规范化以达到平均值是一种好习惯。我可以放松这种指导吗?如果我忽略它会有什么重大影响?
我已经看过它,但似乎没有这样的机制,我可以正常化输入到[-0.5,0.5]。 –
是的,你是对的,Shai。我忽视了,不从这个角度看待;-)。无论如何,谢谢你。 –
@Shai:或许,如果你不介意的话,你可以在答案框中将上述想法复制到答案框中,以便将其标记为答案。 –