Caffe的输入数据归一化

Question

据我了解，如果我想将数据 [0, 255] 的归一化应用到 [0, 1)，我可以在 [=35= 中传递比例参数：0.00390625 prototxt 文件的 ]。但是，如果我想在 prototxt 级别将数据标准化为 [-0.5, 0.5]（以便具有 0 均值分布）怎么办？

考虑我的 train_val.prototxt 文件如下所示：

transform_param {
  mirror: true
  crop_size: 227
  scale: 0.00390625
  mean_file: "some_mean_file.binaryproto"

从数学上讲，我认为它如下所示：

 normalized value = (input pixel value / 255) - 0.5

但我不知道如何映射到 transform_param 的比例值，因为比例值没有负值（有符号值）的概念。也许，Caffe 有不同的机制来实现这一点（而不是通过规模操作来实现）。

根据我从 Udacity 关于深度学习的讲座中获得的理解，它提到始终对输入进行归一化以获得 0 均值是一种很好的做法。我可以放松这种指导吗？如果我忽略它，会有什么显着影响吗？

Answer 1

查看 caffe.proto 对 TransformationParameter

的评论

// For data pre-processing, we can do simple scaling and subtracting the
// data mean, if provided. Note that the mean subtraction is always carried
// out before scaling.

均值减法在 缩放之前 完成，因此，在减去 mean_file 之后，您的数据大约在 [-128. 128] 范围内。按 1/256 缩放它，你就完成了，你的数据应该大致在 [-.5, .5].

范围内

Caffe的输入数据归一化

Caffe's input data normalization

machine-learning

normalization

deep-learning

caffe