重新缩放 1./255 或 1/255 或 1/255 是否有任何差异。预处理图像数据？答案

【问题标题】：is there any difference in rescale 1./255 or 1/255 or 1/255. preprocess image data?重新缩放 1./255 或 1/255 或 1/255 是否有任何差异。预处理图像数据？
【发布时间】：2019-12-23 06:20:30
【问题描述】：

许多图像处理程序我们在数据进行处理之前对数据进行预处理，并对数据进行重新缩放以进行预处理

keras.preprocessing.image.ImageDataGenerator(rescale=1/255)


keras.preprocessing.image.ImageDataGenerator(rescale=1./255)


keras.preprocessing.image.ImageDataGenerator(rescale=1/255.)

那么，它们的功能或返回值有什么不同

【问题讨论】：

标签： python python-3.x keras tensorflow2.0 rescale

【解决方案1】：

假设（如您的标签所示）您使用的是 Python 3.x 或更高版本，这绝对没有区别。在 CPython 下，所有三个表达式都编译为相同的字节码。您可以使用dis 模块轻松看到这一点。

这是我机器上三个表达式中每一个的dis.dis 的输出，在 Python 3.8.0 下；您可以看到它是逐字节相同的，并且在每种情况下都已预先计算了常量。

>>> import dis
>>> dis.dis("keras.preprocessing.image.ImageDataGenerator(rescale=1/255)")
  1           0 LOAD_NAME                0 (keras)
              2 LOAD_ATTR                1 (preprocessing)
              4 LOAD_ATTR                2 (image)
              6 LOAD_ATTR                3 (ImageDataGenerator)
              8 LOAD_CONST               0 (0.00392156862745098)
             10 LOAD_CONST               1 (('rescale',))
             12 CALL_FUNCTION_KW         1
             14 RETURN_VALUE
>>> dis.dis("keras.preprocessing.image.ImageDataGenerator(rescale=1./255)")
  1           0 LOAD_NAME                0 (keras)
              2 LOAD_ATTR                1 (preprocessing)
              4 LOAD_ATTR                2 (image)
              6 LOAD_ATTR                3 (ImageDataGenerator)
              8 LOAD_CONST               0 (0.00392156862745098)
             10 LOAD_CONST               1 (('rescale',))
             12 CALL_FUNCTION_KW         1
             14 RETURN_VALUE
>>> dis.dis("keras.preprocessing.image.ImageDataGenerator(rescale=1/255.)")
  1           0 LOAD_NAME                0 (keras)
              2 LOAD_ATTR                1 (preprocessing)
              4 LOAD_ATTR                2 (image)
              6 LOAD_ATTR                3 (ImageDataGenerator)
              8 LOAD_CONST               0 (0.00392156862745098)
             10 LOAD_CONST               1 (('rescale',))
             12 CALL_FUNCTION_KW         1
             14 RETURN_VALUE

更详细地说：在 CPython 中，对于第一个常量 1/255，我们正在执行整数的真正除法，并计算最接近商的真实值的浮点数。在第二种情况下，1./255，分子已经是float，分母先隐式转换为float，然后计算商。但是因为分母是一个小整数，所以到float 的转换是精确的，所以我们再次计算最接近精确商1/255 的可表示浮点数。第三种情况类似，但在这种情况下，分子被隐式转换为float，同样准确，因此计算的常数再次是最接近精确商的可表示float。简而言之，常数在所有三种情况下都是相同的。

因此所有三个版本都具有相同的语义和性能。你应该使用对你来说最易读的东西。对我来说，这是第一个版本。

【讨论】：

【解决方案2】：

第一个是你用整数重新缩放，因为你用整数除以整数

作为第二个和第三个，你被浮点数重新缩放，因为你要么除以浮点数，要么除以浮点数

最好的解决办法是把整数除以浮点数

【讨论】：

OP 用“python-3.x”标签标记了它，所以在第一种情况下，这不是整数重新缩放：1/255 的值是float。（当然，在 Python 2 中，1/255 将是 0。）