這些不同的歸一化值在這段代碼中意味着什么？ [TensorFlow] [圖像預處理]

Question

我目前正在學習利用機器學習/tensorflow 等。我了解標准化的含義（感謝 Google）：標准化是一個改變像素強度值范圍的過程。 例如，應用包括由於眩光而導致對比度差的照片。

我遇到了某人的代碼-以下是某人使用的規范化技術。 但是我無法理解以下每種標准化技術的作用？

如果有人可以解釋，將不勝感激。

normalizers = [('x - 127.5',              lambda x: x - 127.5), 
               ('x/127.5 - 1.0',          lambda x: x/127.5 - 1.0), 
               ('x/255.0 - 0.5',          lambda x: x/255.0 - 0.5),
               ('x - x.mean()',           lambda x: x - x.mean()),
               ('(x - x.mean())/x.std()', lambda x: (x - x.mean())/x.std())]

Answer 1

嘗試為每個端點輸入端點以查找范圍。

• 第一個轉換 0 --> 255 到 -127.5 --> 127.5 范圍內的值。
• 第二個轉換為 -1 --> 1
• 第三個轉換為 -0.5 到 0.5
• 第四個減去均值，得到以 0 為中心的相似分布
• 第五個計算統計中稱為 z 分數的東西