Question

我是机器学习的新手，现在正试图在MNIST上培训CNN。

我有60k png训练集的MNIST，但是Layer类，imageinputlayer（），它只能使图像为零中心，并且无法将其标准化。

我该怎么做才能将图像输入缩放到0-1？

我的意思是：当使用 trainNetwork（）功能训练CNN时，我想在Class 图层上部署图像规范化图层。

在MATLAB文件中：https://cn.mathworks.com/help/nnet/examples/create-simple-deep-learning-network-for-classification.html

有一个演示代码

    digitDatasetPath = fullfile(matlabroot,'toolbox','nnet','nndemos', ...
        'nndatasets','DigitDataset');
    digitData = imageDatastore(digitDatasetPath, ...
            'IncludeSubfolders',true,'LabelSource','foldernames');
[trainDigitData,testDigitData] = splitEachLabel(digitData, ...
                trainingNumFiles,'randomize');
layers = [imageInputLayer([28 28 1])
          convolution2dLayer(5,20)
          reluLayer
          maxPooling2dLayer(2,'Stride',2)
          fullyConnectedLayer(10)
          softmaxLayer
          classificationLayer()];
options = trainingOptions('sgdm','MaxEpochs',15, ...
    'InitialLearnRate',0.0001);
convnet = trainNetwork(trainDigitData,layers,options);

众所周知，png图像数据是从0到255的int类型。

但同时，cnn深度学习的输入需要归一化为[0-1]

类imageInputLayer（）上的规范化选项，仅为零中心（数据/数据均值），没有缩放归一化选项（data / 255）。

那么如何在图层结构中添加规范化图层？

还是没有必要对训练集进行标准化？

Answer 1

也许你的意思是这个？这是我预处理imdb数据的方式，它适用于我的图像。数据存储为（dim1，dim2，sample_size）格式

   imdb.images.data = (imdb.images.data-min(imdb.images.data(:)))/(max(imdb.images.data(:)-min(imdb.images.data(:))));
   imageMean = mean(imdb.images.data,3); 
   for j= 1:size(imdb.images.data,3)
        imdb.images.data(:,:,j) = imdb.images.data(:,:,j) - imageMean ;
   end

使用MATLAB训练CNN时如何将图像标准化为[0,1]？

1 个答案: