Pytorch 任意选择标准值/标准化平均值。为什么？

我有一个关于

z-score标准化方法的问题。

此方法使用
z-score
对数据集的值进行
标准化
，并需要
平均值/std


我知道您通常应该使用数据集的
mean/std
。

但是我在pytorch.org和net上看到过多个教程，他们只使用
0.5
作为
mean/std
，这对我来说是完全任意的。

我想知道为什么他们不使用数据集的
mean/std

示例教程，其中他们仅使用0.5作为
mean/std
：




如果使用数据集的标准/平均值对标准化后的相同数据集进行标准化，则标准化后的平均值为0和标准值为1

其中，标准化数据集的min/max值在特定范围内不是

如果使用0.5的平均值/std作为数据集标准化的参数，则数据集将在-1到1的范围内

标准化数据集的平均值将接近于零，标准化数据集的std将接近于0.5

因此，要回答我的问题，当您希望数据集在-1到1的范围内时，您可以使用0.5作为平均值/std

例如，在神经网络中使用tanh激活函数时，这将是有益的。
如果您使用数据集的标准/平均值对标准化后的相同数据集进行标准化，则标准化后的平均值为0和标准值为1

其中，标准化数据集的min/max值在特定范围内不是

如果使用0.5的平均值/std作为数据集标准化的参数，则数据集将在-1到1的范围内

标准化数据集的平均值将接近于零，标准化数据集的std将接近于0.5

因此，要回答我的问题，当您希望数据集在-1到1的范围内时，您可以使用0.5作为平均值/std

例如，在神经网络中使用tanh激活函数时，这将是有益的。
也许链接教程也会有所帮助。因为有时它们并不相关，所以可以提供范围的平均值
[0，1.]
。我认为这取决于数据集的偏差。这是否回答了你的问题？我的意思是，我知道你联系的情况下他们从哪里得到的平均值和性病。他们计算了数据集的平均值和标准差。我想知道的是，有些人只是使用0.5作为标准化的平均值/std，而没有计算数据集的平均值/std，这在我看来完全是任意的。也许链接教程也会有所帮助。因为有时它们没有那么相关，所以可以提供范围的平均值
[0，1.]
。我认为这取决于数据集的偏差。这是否回答了你的问题？我的意思是，我知道你联系的情况下他们从哪里得到的平均值和性病。他们计算了数据集的平均值和标准差。我想知道的是，有些人只是使用0.5作为标准化的平均值/std，而没有计算数据集的平均值/std，这在我看来是完全任意的。