Machine learning Caffe&x27；输入数据规范化

据我所知，如果我想将数据[0255]标准化为[0，1]，我可以在prototxt文件的transform_参数中传递一个scale参数：0.00390625。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平均分布），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"

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

从数学上讲，我认为它如下所示：

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

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

但是我不知道如何映射到transform_param的scale值，因为scale值没有负值（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scale操作）

从我从Udacity的深度学习讲座中获得的理解来看，它提到了一个很好的做法，即始终将输入标准化，使其平均值为0。我可以放松这类指南吗？如果忽略它，会有什么显著影响？

查看有关

转换参数的评论

均值减法是在缩放之前完成的，因此，在减去
均值文件
之后，您的数据大约在
[-128.128]
范围内。将其缩放1/256，您的数据应该大致在
[-5.5]范围内
我已经研究过了，但似乎没有这样的机制可以将输入标准化为[-0.5,0.5]。是的，你是对的，谢伊。我忽略了，不是从那个角度看；-）。无论如何，非常感谢。@谢伊：如果你不介意的话，也许你可以在答案框中复制你的上述想法，以便我可以将其标记为答案。