Caffe的输入数据规范化

Question

据我所知，如果我想将数据[0,255]的规范化应用于[0,1]，我可以在 transform_param 中传递一个scale：0.00390625的参数> prototxt 文件。但是，如果我想在 prototxt 级别将数据规范化为[-0.5,0.5]（以便有0均值分布），该怎么办？

考虑我的 train_val.prototxt 文件，如下所示：

transform_param {
  mirror: true
  crop_size: 227
  scale: 0.00390625
  mean_file: "some_mean_file.binaryproto"

从数学上讲，我认为它看起来如下：

 normalized value = (input pixel value / 255) - 0.5  

但我无法如何映射到 transform_param 的比例值，因为比例值没有负值概念（有符号值）。也许，Caffe有不同的机制来实现这一点（而不是通过规模操作来实现）。

根据我从Udacity的深度学习讲座中获得的理解，它提到总是将输入规范化以便具有 0 的意思是一个好习惯。我可以放松这种指南吗？如果我忽略它会产生什么重大影响？

Answer 1

查看TransformationParameter

上的caffe.proto条评论

// For data pre-processing, we can do simple scaling and subtracting the
// data mean, if provided. Note that the mean subtraction is always carried
// out before scaling.

平均减法在缩放之前完成，因此，在减去mean_file之后，您的数据大约在[-128. 128]范围内。将其缩小1/256并完成后，您的数据应大致在[-.5, .5]范围内。