在Tensorflow中对batch_norm图层应用tf.image.per_image_standardization（）的好处是什么？

Question

在深层神经网络的第一层超过将tf.image.per_image_standardization()添加为第一层之前应用Batch_Norm layer有什么好处？

为了在送入网络之前规范化[0.0,255.0]浮点值图像像素，哪种方法适合？

1. tf.image.per_image_standardization（）

2. Batch_Norm - 图层

Answer 1

他们都做类似的事情，并且确实可以使用批量规范来标准化输入图像。

但是，我不会为此目的使用批量规范：

• 使用tf.image.per_image_standardization进行图像规范化比批量规范更清晰。
• 批量标准化是一种比每通道标准化更广泛的概念。像tensorflow这样的库允许你沿着你想要的任何轴进行标准化。
• 批量标准化通常与用于标准化的均值和方差的流统计数据配对，用于测试和部署。在对每个样本标准化输入图像时，不需要这些统计信息。