这些不同的归一化值在这段代码中意味着什么？ [TensorFlow] [图像预处理]

Question

我目前正在学习使用机器学习/张量流等。 我了解标准化的含义（感谢 Google）： 标准化是改变像素强度值范围的过程。例如，应用包括由于眩光而导致对比度差的照片。

我遇到了某人的代码 - 以下是某人使用的规范化技术。但我无法理解以下每种标准化技术的作用？

如果有人能解释一下，将不胜感激。

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

尝试为每个端点输入端点以找到范围。

• 第一个转换 0 --> 255 到 -127.5 --> 127.5 范围内的值。
• 第二个转换为 -1 --> 1
• 第三个转换为 -0.5 到 0.5
• 第四个减去均值，得到以 0 为中心的相似分布
• 第五个计算统计中称为 z 分数的东西