Question

with tf.name_scope(scope, 'eval_image', [image, height, width]):
  if image.dtype != tf.float32:
    image = tf.image.convert_image_dtype(image, dtype=tf.float32)

  if height and width:
    # Resize the image to the specified height and width.
    image = tf.expand_dims(image, 0)
    image = tf.image.resize_bilinear(image, [height, width],
                                   align_corners=False)
    image = tf.squeeze(image, [0])

  image = tf.subtract(image, 0.5)
  image = tf.multiply(image, 2.0)
  return image

当我们在将图像发送到神经网络（更确切地说是GoogLeNet）之前进行图像预处理时，为什么要编写代码：

 image = tf.subtract(image, 0.5)
 image = tf.multiply(image, 2.0)

这背后的理论是什么？为什么我们需要这个程序。如果我尝试检查外观，请使用：

 plt.imshow(image)

图像无法显示。

Answer 1

他们这样做是为了将图像从[0,1]重新缩放为[-1,1]。他们希望所有图像使用相同的格式，因此需要执行此步骤。

Answer 2

进行减法和乘法运算以在-1和1之间缩放图像。

图像背后的理论减去0.5然后乘以2

2 个答案: