规模化训练集

Question

我在Tensorflow 2.1中训练DL模型。我准备了一套由几个灰度(1通道)图像组成的训练集.我已经看到，建议将训练集正规化，除以255.0，使其值在0-1的范围内。所以我有一些问题要问：

• 为什么会出现这种规范化？
• 我的目标掩码包含0-1的值，并且是浮点数64。使用此数据类型有效吗?最后，
• 是应该将用于未来预测的图像也标准化，还是可以将它们保留为8位图像(0-255)。

Answer 1

1. 推荐归一化，因为经验观察到，当所有像素值都在(0到1)之间，而不是0和255.0之间时，网络收敛速度更快，达到更好的全局最优。当您使用0到1.0和0与255.0之间的值进行训练时，您可以尝试查看网络的行为。

1. 掩码值不需要转换，保持原样(假设您正在进行图像分割)，只需确保标签是正确的。

1. 是的，在测试场景/未来预测期间必须应用相同的预处理，否则您的模型将无法工作。