Python Tensorflow预训练模型输入通道范围

我遇到了这个，它实现了一个预训练模型。它说：

格式化数据

使用tf.image模块格式化任务的图像

将图像调整为固定的输入大小，然后重新缩放输入 信道范围为[-1,1]

我想知道这件事。我的理解是，

image=tf.image.resize（image，（IMG\u SIZE，IMG\u SIZE））

将图像（可以有任何大小）调整为一个一致的大小。我知道

image=（image/127.5）-1

不会更改图像的实际大小，但会将值（像素）（介于0到255之间）更改为[-1,1]的范围。在其他示例中，我看到标准化/标准化在[0,1]的范围内进行，因此按1.0/255重新缩放。我不明白什么时候我要用哪个。如果我使用自己的模型，是否缩放到[-1,1]或[0,1]范围取决于我自己？然而，当我使用预训练模型时，我需要知道需要什么。我在谷歌上搜索了mobilenetv2模型，但找不到任何文档告诉我所需的输入通道是[-1,1]。在本文中，它表示所有预训练的张量流模型都要求输入通道为[-1,1]。这是真的吗？特别是，中的所有模型（如果关于图像）都需要[-1,1]的范围，这是真的吗

最后，如何确定预训练模型所需的范围？如果是MobileNetv2，我自己也不会计算出[-1,1]。在页面上我找不到这个信息

---

此外：是否有一种基本上自动完成的方法？所以我使用一个函数，它会自动检查预训练的tensorflow数据集（它有一个存储该信息的对象）并应用它（假设0-255是我的输入）？我想是在做别的事情（我真的不明白它是做什么的）？这也仅适用于MobileNet v2。

一般来说，您关心的是“我应该在[0,1]、-1,1]之间选择什么比例？”因为答案可能因情况而异，我想在下面指出

CNN架构在短的闭合范围输入值中工作得更好。因此，[0,1]和[-1,1]可能都是一个不错的选择。但是，根据体系结构的不同，选择可能会有所不同。因此，尝试各种规模将是一个不错的选择

关于Keras的预训练模型，我注意到大多数使用残差的模型（例如，

ResNets

，

MobileNetV2

，

InceptionResNetV2

）使用[-1,1]比例。在残差中使用[-1，1]比例，在某些情况下会导致某些边被禁用。为了进一步理解，让我们考虑感知器<代码> y= Wx+b。如果

w=1

和

b=1

则使用输入

x=1

结果

y=0

。这表明，使用[-1，1]刻度，一些输入值可以通过偏差为零（无需设置

w=0

）。对于其他车型（不包括KERA），这一概念也基本正确

几乎所有的Keras体系结构都使用缩放技术。我相信在某些情况下，他们没有按照原始文件的指示执行建议的操作。因此，我认为您应该坚持使用Keras的文档，以防使用他们预先训练过的模型。如果在他们的文档中找不到任何缩放，则应避免缩放

---

此外，在使用不同的数据集时，应该尝试测试不同的缩放方法。然而，在大多数情况下，这不应大大提高模型的准确性。如果您有更多疑问，请告诉我。谢谢。

一般来说，您关心的是“我应该在[0,1]、-1,1]之间选择什么比例？”因为答案可能因情况而异，我想在下面指出

CNN架构在短的闭合范围输入值中工作得更好。因此，[0,1]和[-1,1]可能都是一个不错的选择。但是，根据体系结构的不同，选择可能会有所不同。因此，尝试各种规模将是一个不错的选择

关于Keras的预训练模型，我注意到大多数使用残差的模型（例如，

ResNets

，

MobileNetV2

，

InceptionResNetV2

）使用[-1,1]比例。在残差中使用[-1，1]比例，在某些情况下会导致某些边被禁用。为了进一步理解，让我们考虑感知器<代码> y= Wx+b。如果

w=1

和

b=1

则使用输入

x=1

结果

y=0

。这表明，使用[-1，1]刻度，一些输入值可以通过偏差为零（无需设置

w=0

）。对于其他车型（不包括KERA），这一概念也基本正确

几乎所有的Keras体系结构都使用缩放技术。我相信在某些情况下，他们没有按照原始文件的指示执行建议的操作。因此，我认为您应该坚持使用Keras的文档，以防使用他们预先训练过的模型。如果在他们的文档中找不到任何缩放，则应避免缩放

---

此外，在使用不同的数据集时，应该尝试测试不同的缩放方法。然而，在大多数情况下，这不应大大提高模型的准确性。如果您有更多疑问，请告诉我。谢谢。

@Quwsair Ohi谢谢你的帖子，但这对我来说并不是什么新鲜事。正如我所说的，我知道我可以缩放0,1或-1,1，这取决于我的具体解决方案，而且我也知道为什么我们通常会缩放/标准化。然而，我不知道什么时候在预训练模型中使用它。问题是我在哪里可以找到MobileNetv2使用-1,1而不是0,1的文档中的信息。此外，我的问题是，tensorflow hub中其他预训练模型的说明在哪里，以及在应用它们之前我如何知道

IMG_SIZE = 160 # All images will be resized to 160x160

def format_example(image, label):
  image = tf.cast(image, tf.float32)
  image = (image/127.5) - 1
  image = tf.image.resize(image, (IMG_SIZE, IMG_SIZE))
  return image, label