Machine learning 理解pycaffe中的load_image（）方法

源描述

Load an image converting from grayscale or alpha as needed.

Parameters
----------
filename : string
color : boolean
    flag for color format. True (default) loads as RGB while False
    loads as intensity (if image is already grayscale).

Returns
-------
image : an image with type np.float32 in range [0, 1]
    of size (H x W x 3) in RGB or
    of size (H x W x 1) in grayscale.

这是一个如何使用它的例子

input_image = 255 * caffe.io.load_image(IMAGE_FILE)

我的问题是，如果图像文件是RGB颜色，每个通道的值为0-255，并且返回值

caffe.io.load\u IMAGE（图像文件）

在范围[0,1]内，乘以255，每个通道的范围仍然是0-255

---

那么，执行此步骤的目的是什么？

将图像读取到[0..1]范围内的浮点类型的原因是：

某些模型不会将输入缩放回[0..255]，而是处理范围为[0..1]的输入

在处理图像时，将图像数据类型从

uint

转换为浮点时，将像素值缩放为[0..1]是很常见的（例如，请参见Matlab）

某些图像格式的数据范围为[0..65536]（2字节/像素），在这种情况下，可以方便地保持范围固定，并且只播放比例

---

谢谢，现在对我来说更有意义了。