如果只有黑色和白色（没有灰色），是否有必要对像素值进行归一化？
Is it necessary to normalize pixel values if there are only black and white ones (no greys)?
如果只有黑白像素（between/no 灰色中没有像素值），在输入 ResNet18 进行分类之前是否需要对像素值进行归一化？
哇，这个转换有必要吗？
transforms.Normalize(平均值=[0.485, 0.456, 0.406], 标准=[0.229, 0.224, 0.225])
注意：我目前将每张黑白图像堆叠 3 次，以使其符合 ResNet 的 RGB 期望。
模型经过训练，期望值具有 0 均值和一些测量方差。
想想你的情况，你会得到类似的东西，例如，
蓝色通道像素 1:
(1-0.485)/0.229 = 2.24
对于 0 的像素：
(0-0.485)/0.229 = -2.11
如果你使用的是预训练的权重，我猜是的，这是必要的，否则，你可以用你的训练准确率来衡量它。
不管怎样，如果你不确定，用它和不用它来测试结果。
如果只有黑白像素（between/no 灰色中没有像素值），在输入 ResNet18 进行分类之前是否需要对像素值进行归一化？
哇，这个转换有必要吗？
transforms.Normalize(平均值=[0.485, 0.456, 0.406], 标准=[0.229, 0.224, 0.225])
注意：我目前将每张黑白图像堆叠 3 次，以使其符合 ResNet 的 RGB 期望。
模型经过训练，期望值具有 0 均值和一些测量方差。
想想你的情况，你会得到类似的东西，例如， 蓝色通道像素 1:
(1-0.485)/0.229 = 2.24
对于 0 的像素：
(0-0.485)/0.229 = -2.11
如果你使用的是预训练的权重，我猜是的，这是必要的，否则，你可以用你的训练准确率来衡量它。 不管怎样，如果你不确定，用它和不用它来测试结果。