1
A
回答
3
如果您輸入介於0和1之間或-1和1之間的標準化值，神經網絡訓練速度更快，數字更穩定。通常，如果輸入數據具有不同的比例，則必須對其進行歸一化。
由於圖像通常具有0-255之間的值範圍，因此此標準化步驟並非絕對必要。看到Karpathys的博客文章在這裏：http://cs231n.github.io/neural-networks-2/
相關問題
- 1. CIFAR10示例：從Keras到Tensorflow
- 2. VGG16 Keras CIFAR10微調：我如何預處理輸入數據以適應VGG16網絡？
- 3. TensorFlow CIFAR10示例
- 4. 數據聚類 - 數據預處理
- 5. 如何預處理FasterCSV的CSV數據？
- 6. 使用keras與cifar10數據集與vgg16網絡模型沒有正確學習？
- 7. 如何將cifar10輸入到keras的inceptionv3中
- 8. CIFAR10示例運行時間
- 9. 預處理函數
- 10. Keras cifar10示例驗證和測試損失低於培訓損失
- 11. 缺失的示例|預取和預處理數據使用線程
- 12. 如何預處理交易數據以預測購買概率？
- 13. 如何預處理/轉換數據綁定的數據？
- 14. Keras初始版v3的預處理功能
- 15. Keras如何處理多標籤分類？
- 16. EEGLAB睡眠腦電數據預處理
- 17. 大數據處理的預定任務
- 18. TFIDF與以前預處理的數據
- 19. Django。從DB預處理數據
- 20. 用於預處理的好數據集
- 21. MySQL數據庫的預處理表
- 22. 用於報告的預處理數據
- 23. 機器學習數據預處理
- 24. Keras處理無法放入內存的大型數據集
- 25. 培訓多輸入Keras NN與批處理訓練數據
- 26. keras預期
- 27. 如何在深度學習（keras）訓練輸入數據中預處理類別信息？
- 28. Wix 3.5預處理器擴展 - undefined預處理函數
- 29. 數據處理，如何處理
- 30. Epicor 10如何在BPM預處理和後處理之間存儲數據？
感謝您的額外信息 – Demon