Python 重新缩放1/255或1/255或1/255是否有任何差异。预处理图像数据？

在很多图像处理程序中，我们在进行处理之前对数据进行预处理，并对数据进行重缩放进行预处理

keras.preprocessing.image.ImageDataGenerator(rescale=1/255)


keras.preprocessing.image.ImageDataGenerator(rescale=1./255)


keras.preprocessing.image.ImageDataGenerator(rescale=1/255.)

---

那么，它们的函数或返回值有什么不同吗？第一个是按整数重新缩放，因为是用整数除以整数

作为第二个和第三个，您将按浮点重新缩放，因为您可以按浮点除法或按浮点除法

---

最好的解决方案是将整型除法和浮点除法完全没有区别，假设（如标记所示）您使用的是Python 3.x或更高版本。在CPython下，所有三个表达式都编译为相同的字节码。使用该模块可以很容易地看到这一点

这是在Python 3.8.0下，我的机器上三个表达式的输出；您可以看到它是逐字节相同的，并且在每种情况下都预先计算了常量

>>> import dis
>>> dis.dis("keras.preprocessing.image.ImageDataGenerator(rescale=1/255)")
  1           0 LOAD_NAME                0 (keras)
              2 LOAD_ATTR                1 (preprocessing)
              4 LOAD_ATTR                2 (image)
              6 LOAD_ATTR                3 (ImageDataGenerator)
              8 LOAD_CONST               0 (0.00392156862745098)
             10 LOAD_CONST               1 (('rescale',))
             12 CALL_FUNCTION_KW         1
             14 RETURN_VALUE
>>> dis.dis("keras.preprocessing.image.ImageDataGenerator(rescale=1./255)")
  1           0 LOAD_NAME                0 (keras)
              2 LOAD_ATTR                1 (preprocessing)
              4 LOAD_ATTR                2 (image)
              6 LOAD_ATTR                3 (ImageDataGenerator)
              8 LOAD_CONST               0 (0.00392156862745098)
             10 LOAD_CONST               1 (('rescale',))
             12 CALL_FUNCTION_KW         1
             14 RETURN_VALUE
>>> dis.dis("keras.preprocessing.image.ImageDataGenerator(rescale=1/255.)")
  1           0 LOAD_NAME                0 (keras)
              2 LOAD_ATTR                1 (preprocessing)
              4 LOAD_ATTR                2 (image)
              6 LOAD_ATTR                3 (ImageDataGenerator)
              8 LOAD_CONST               0 (0.00392156862745098)
             10 LOAD_CONST               1 (('rescale',))
             12 CALL_FUNCTION_KW         1
             14 RETURN_VALUE

更详细地说：在CPython中，对于第一个常量

1/255

，我们执行整数的真除法，并计算与商的真值最接近的浮点值。在第二种情况下，

1./255

，分子已经是一个

浮点

，分母首先隐式转换为

浮点

，然后计算商。但是因为分母是一个小整数，所以到

float

的转换是精确的，因此我们再次计算出与精确商

1/255

最接近的可表示浮点。第三种情况类似，但在本例中，是分子隐式转换为

float

，同样精确，因此计算的常数也是最接近精确商的

float

。简言之，这三种情况下的常数都是相同的

因此，这三个版本都具有相同的语义和性能。你应该使用你觉得最容易阅读的东西。对我来说，这是第一个版本。

OP用“python-3.x”标记了它，因此在第一种情况下，这不是一个整数重缩放：

1/255

的值是一个

浮点值。（当然，在Python 2中，
1/255
将是
0
）