卷积层降维

Question

我正在使用Cifar-10数据集。数据的原始形状是( 50000,3072)，其中有50000个图像，对于每个图像，前1024个像素是红色的，接下来的1024个像素是绿色的，接下来的1024个像素是蓝色的。它们以主要行格式存储，因此红色的前32个像素是第一行32个像素的红色。

到目前为止，我已经成功地将其转换为形状的numpy数组(50000，32，32，3)

trainX.reshape((-1,3,32,32)).transpose([0,2,3,1])

它表示50000张图像，32列x 32行，每个像素3个颜色强度，但我在数据的正则化方面遇到了麻烦。

下面是所有颜色的平均强度，但这并不是真正应该发生的事情，每种颜色应该只在数据中平均所有它自己的颜色的强度

trainX = (trainX-np.mean(trainX))/np.std(trainX)

有没有一种有效的方法来按颜色对这些数据进行正规化？有没有一种更常见的方法来准备这种类型的数据，以便输入到卷积神经网络中(例如将图像转换为灰度)，或者为网络提供多个颜色平面是否有好处？

Answer 1

你想迭代三种颜色强度吗？

这可以通过以下方式完成：

[(trainX[:,:,:,i]-np.mean(trainX[:,:,:,i]))/np.std(trainX[:,:,:,i]) for i in range(np.shape(trainX)[3])]