Tensorflow TF 2.2上的MobileNetV2预处理不一致

在这种情况下，预处理将图像值标准化为

[0，1]

但是，根据mobilenetw2（）的文档，预处理步骤将数据标准化为间隔

[-1,1]

---

哪种预处理是正确的？为什么？

如果你想从头开始训练你自己的网络，你可以应用任何你认为合适的标准化，甚至根本没有标准化，这是你的选择

相反，如果您希望重用预训练的模型（例如：通过在

MobileNetV2

的定义中设置

weights='imagenet'

），则应在中使用特定的预处理，因为此模型已使用此特定的预处理进行训练（标准化为

[-1，1]

）

---

尽管应该，但也可以将

MobileNetV2

预训练模型视为静态黑盒转换，并插入所需的任何规范化。缺点：通过应用标准规范化，您几乎可以更好地利用这个黑盒。

但是分段教程也使用预先训练的权重事实上，如果您训练网络，您可以使用某种范围的规范化，通常在[-3,3]之间，这是因为任何输入都比其他输入有很大的差异。如果您已经训练了网络，则必须使用与训练此网络相同的规格化。如果是这种情况，则正确的做法是将规格化设置为[-1,1]。将其设置为

[0,1]

将以“自定义”方式使用

MobilenetV2

blackbox。它仍然有用，因为您在黑盒之后正在训练一个网络，但使用标准的

预处理\u输入可能更有益。