machine-learning - Caffe的输入数据标准化

Question

据我了解，如果我想将数据 [0, 255] 标准化为 [0, 1)，我可以在 transform_param 中传递一个scale参数:0.00390625 >prototxt 文件。但是，如果我想在 prototxt 级别将数据标准化为 [-0.5, 0.5](为了获得 0 均值分布)该怎么办？

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"

从数学上来说，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(而不是通过缩放操作来实现)。

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便具有 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，会产生重大影响吗？

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.

均值减法是在缩放之前完成的，因此，在减去mean_file之后，您的数据大约在[-128范围内。 128]。将其缩放 1/256 即可完成，您的数据应大致在 [-.5, .5] 范围内。