卷積層尺寸縮減

Question

我正在使用Cifar-10數據集。數據的原始形狀是（50000,3072），其中有50000個圖像，並且對於每個圖像，前1024個像素是紅色的，接下來的1024個是綠色的，接下來的1024個是藍色的。它們以行主格式存儲，所以紅色的前32個像素是第一行32個像素的紅色。

到目前爲止我已設法將它轉變成形狀的numpy的陣列（50000，32，32，3）

trainX.reshape((-1,3,32,32)).transpose([0,2,3,1]) 

表示50000倍的圖像，32列32行和每像素3個的顏色強度，但我在正規化數據方面遇到了麻煩。

下平均在所有顏色的強度，但是這不是真的是應該發生的事情，每個顏色應該平均在所有它自己的顏色的強度的數據僅

trainX = (trainX-np.mean(trainX))/np.std(trainX) 

是否有一個有效的方法通過顏色來規範這些數據？是否有更常見的方法來準備這種類型的數據以輸入卷積神經網絡（如將圖像轉換爲灰度），還是有利於爲網絡提供多個顏色平面？

Answer 1

你想迭代三種顏色強度嗎？
這可以通過以下方式進行：

[(trainX[:,:,:,i]-np.mean(trainX[:,:,:,i]))/np.std(trainX[:,:,:,i]) for i in range(np.shape(trainX)[3])]