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:Machine learning Caffe&x27;输入数据规范化,machine-learning,deep-learning,normalization,caffe,Machine Learning,Deep Learning,Normalization,Caffe,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_
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。