迁移学习是否需要在 0-255 之间重新缩放图像

Question

我正在使用迁移学习进行分类任务。我正在使用 ResNet50 和 ImageNet 中的权重。

My_model = (ResNet50( include_top=False, weights='imagenet', input_tensor=None,
    input_shape=(img_height, img_width, 3),pooling=None))

我没有在 0-255 之间重新调整输入图像，但我的结果非常好（acc：93.25%）。所以我的问题是我需要在 0-255 之间重新缩放图像吗？如果没有在 0-255 之间重新缩放，您认为我的结果是错误的吗？

谢谢。

Answer 1

不，基本上你的结果没有错。为了提供线索，我们将像素值标准化为 (0 到 1) 之间的范围，以避免在前向传播 z = w*x + b 的演算过程中产生较大的值，然后反向传播。

我们为什么要这样做？

我开发了，优化算法肯定依赖于反向属性的结果，所以当我们开始用大的权重/偏差值更新优化算法时，我们需要很多 epoch 才能达到全局最小值。