卷积神经网络的图像预处理

Question

我有*.png个文件，我想在卷积神经网络的上下文中将图像转换为单热编码。

1. 我的图片是224x224。我搜索了许多在线参考文献，但我无法弄清楚如何将图像转换为单热编码。我是逐行还是逐列追加？有一种方式比另一种更好吗？
2. 一旦我创建了单热编码矢量，就会应用归一化操作，例如将矢量的每个值除以256（RGB的最大值）。这可以防止数字爆炸并导致溢出。但是，我还看到从此值中减去0.5。为什么是这样？这有效地将值范围设置在[-0.5, 0.5]之间。但是，在大多数网站中，应用了ReLU图层，无论如何都会将所有这些值变为零或更大。所以，我很困惑为什么要这样做。
3. 最后，一旦我将图像转换为单热编码向量，我在哪里添加偏差项？我是将它添加到单热编码向量的前面还是后面，这个值究竟应该是什么？给定矢量的归一化，我通常会看到偏差项是1，它被添加到矢量的前面。但是，为什么我们选择1，为什么它通常会附加在前面？

Answer 1

1. 我想，我回答了关于stats stackexchange的部分问题:)我猜你正在混淆，因为你正在考虑将图像转换为onehot编码表示。这不是它的工作原理。一个热门编码只是关于标签，你不需要转换图像（来自我上面的评论）
2. 再次因为你对单热（稍微阅读）感到困惑，你不会处理一个热编码标签。你处理图像（在这种情况下预处理）。标准化可以是各种类型。对于深度学习，通常的方法是规范化，使得均值为0且标准差为1.我没有尝试使用（-0.5,0.5）进行标准化，而是回答关于ReLU的问题。 ReLU会引入非线性。如果你阅读更多关于深度学习（特别是反向传播）会更好。
3. 再次！你混淆了深度学习。在培训过程中添加了偏见期限。这是过程的一部分。既然你问这个问题，你需要阅读神经网络。

这个简单的教程播放列表帮助我理解深度学习，希望这对你也有帮助！查看Neural network tutorial

祝你学习好运:)