Python 重新缩放训练集

我正在培训Tensorflow 2.1中的DL模型。我准备了几个灰度（单通道）图像的训练集。 我已经看到，建议通过将训练集除以255.0来规范化训练集，以便值在范围[0-1]内。所以我有一些关于它的问题：

• 为什么建议进行这种规范化
• 我的目标遮罩包含0-1之间的值，并且是浮点64。使用此数据类型有效吗
• 最后，我应该规范化用于未来预测的图像，还是可以将它们保留为8位图像（0-255）

建议进行标准化，因为根据经验观察到 网络收敛速度更快，在所有情况下都能达到更好的全局最优 像素值介于（0和1）之间，而不是介于0和255.0之间。你 您可以尝试查看网络在使用 值介于0和1.0之间以及0和255.0之间

不需要转换遮罩值，保持原样（假定正在进行图像分割），只需确保标签正确即可

是的，培训期间应用的预处理必须在测试场景/未来预测期间应用，否则您的模型将无法工作

---

我回答了你的问题，但由于问题太多，它很可能很快就会关闭。作为一个建议，下一次你问问题时，你应该更好地关注它们（只留下一个而不是3个），因为我认为你可以从这些评论中学习，所以我不会投票关闭它。好吧！吸取的教训。我没有创建不同的帖子，因为我认为这些问题是相互关联的，但我以后会这样做。谢谢。这真的取决于审稿人。在这种情况下，它们是相互关联的，这是合乎逻辑的，但考虑到is审查了许多带有问题的要点，审查者倾向于关闭它。此外，如果有人真的想支持他们的观点，可以问“正常化过程与未来预测有什么关系”“。不客气。顺便说一句，这对我们所有人来说都很重要。这个问题也与编程没有直接关系，也不由编程负责。其中至少有两个是纯统计的，因此不适合此站点。您可以阅读关于Tensorflow和默认数据类型的简短讨论。如果您知道这个问题需要解决，为什么要回答它？这妨碍了强者的工作。因为我认为提问者需要首先得到帮助，然后“告诫”/指向正确的方向，考虑到不是每个人都非常了解/体验整个流程。同时，用户得到了答案，我在评论中向他解释了为什么不合适，但回答了他的难题。不是让用户直接回答这个问题，而是“直接惩罚他/她”，我认为我的方法是另一种选择。虽然我完全理解你的观点，我自己也很清楚，但我大多数时候都选择“接近”的方式。说实话，我甚至都不知道Roomba的过程@谢谢你给我一个答案，而不是直接结束问题。它在两方面都对我有所帮助：解决我的疑问和教我如何在未来继续前进。@pedro_galher如果是这样，请看