为什么我们将图像归一化为均值= 0.5，标准差= 0.5？

Question

我在Github中寻找GAN代码。我发现的代码使用pytorch。在此代码中，我们首先将图像标准化为均值= 0.5，标准差= 0.5。通常，将其归一化为min = 0和max = 1或正态分布的均值= 0和std =1。为什么将此归一化为均值= 0.5和std = 0.5？

transformtransfo  = transforms.Compose([
        transforms.ToTensor(),
        transforms.Normalize(mean=(0.5, 0.5, 0.5), std=(0.5, 0.5, 0.5))
])

Answer 1

mean的{​​{1}}和std的值不是所需的均值和标准差，而是要减去和除以的值，即估计均值和标准差。

在您的示例中，您减去0.5，然后除以0.5，得到的图像的平均值为零，值的范围为[-1，1]

Answer 2

Shai回答，

类似于训练其他神经网络，我们将GAN输入归一化为（1）改善网络的收敛性；（2）为所有特征赋予均等的值范围，以免由于某些特征的广泛性而使某些特征支配其他特征值。

此外，大多数GAN模型中的生成器都倾向于使用tanh函数作为最终激活，从而将输出映射到[-1，1]值范围。将我们的图像数据缩放到相同的值范围将为鉴别器提供相等的数据