Python 使用Keras MNIST数据库查询深入学习为什么要从int转换为float？

我在《Python深度学习》一书的帮助下学习深度学习

下面的代码被转换成float

train_images = train_images.reshape((60000, 28 * 28))
train_images = train_images.astype('float32') / 255
test_images = test_images.reshape((10000, 28 * 28))
test_images = test_images.astype('float32') / 255

你能告诉我为什么需要转换成浮动范围（0..1）吗。而原始列车数据是uint8类型的数组（60000,28,28），其值在[0255]区间

---

感谢您的帮助

在训练神经网络时，最常见的是使用32位精度，因此在某一点上，训练数据必须转换为32位浮点值。由于数据集很容易放入RAM中，我们不妨立即转换为浮点值。

在训练神经网络时，最常见的是使用32位精度，因此在某一点上，训练数据必须转换为32位浮点值。由于数据集很容易放入RAM中，我们不妨立即转换为浮点。

Hi@Tushar感谢您的回答，但不明白转换浮点的要求是什么？在Keras的神经网络中进行处理之前，是否必须在浮点中保存数据？Hi@Tushar感谢您的回答，但不了解转换浮点的要求是什么？在Keras中的神经网络处理之前，是否必须将数据浮置？