所以我正在做的tensorflow教程在这里找到：
https://www.tensorflow.org/tutorials/keras/basic_classification
基本上，我的输入是[28x28]矩阵（图像），我将其展平为[1x784]向量。
教程然后说：
我们将这些值缩放到0到1的范围，然后再馈入神经网络模型。为此，将图像分量的数据类型从整数转换为浮点数，然后除以255。
我的问题是为什么在这种情况下我们需要规范化？我的理解是，当我们拥有不同比例的要素时，如果模型的输出没有失真，就需要规范化。但是在这种情况下，所有像素范围都从0到255（所有要素的比例都相同）
我继续进行归一化处理，并获得了85％以上的准确度，而没有归一化，我的准确度下降到了10％。
有什么想法吗？