Normalize的作法 - Cupoy

請專家解釋一下以下HW的normalize function(請見以下程式)## Normalize...

cvdl-1,cvdl-1-d15

Normalize的作法

2019/12/13 下午 03:14

電腦視覺深度學習討論版

周乃森

觀看數：36

回答數：2

收藏數：2

cvdl-1

cvdl-1-d15

請專家解釋一下以下HW的normalize function(請見以下程式)

## Normalize Data
def normalize(X_train,X_test):
        mean = np.mean(X_train,axis=(0,1,2,3))
        std = np.std(X_train, axis=(0, 1, 2, 3))
        X_train = (X_train-mean)/(std+1e-7)
        X_test = (X_test-mean)/(std+1e-7) 
        return X_train, X_test,mean,std
    
    
## Normalize Training and Testset    
x_train, x_test,mean_train,std_train = normalize(x_train, x_test)

## Normalize Data
def normalize(X_train,X_test):
        mean = np.mean(X_train,axis=(0,1,2,3))
        std = np.std(X_train, axis=(0, 1, 2, 3))
        X_train = (X_train-mean)/(std+1e-7)
        X_test = (X_test-mean)/(std+1e-7) 
        return X_train, X_test,mean,std
    
    
## Normalize Training and Testset    
x_train, x_test,mean_train,std_train = normalize(x_train, x_test)

因為之前常常看到的是以下做法

x_train_nor = np.array([xt for xt in x_train]) / 255
print(x_train_nor.shape)

x_test_nor = np.array([xt for xt in x_test]) / 255
print(x_test_nor.shape)

x_train_nor = np.array([xt for xt in x_train]) / 255
print(x_train_nor.shape)

x_test_nor = np.array([xt for xt in x_test]) / 255
print(x_test_nor.shape)

回答列表

2019/12/13 下午 05:52

張維元 (WeiYuan)

贊同數：2

不贊同數：0

留言數：0

嗨，這是兩種不同的 Normalize 作法，以下：

1. min max normalization：會將特徵數據按比例縮放到0到1的區間，（或是-1到1）。

2. standard deviation normalization：會將所有特徵數據縮放成平均為0、平方差為1。
2019/12/13 下午 05:54

楊哲寧

贊同數：3

不贊同數：0

留言數：1

您好，我們常見的前處理包含Normalization 和 Standardization，狹義的Normalization 指的是將所有資料rescale到0-1之間，在影像中/255就是其中一種，上方程式部分比較正確的名稱是Standardization，也就是將所有的資料-平均值/STD，之所以會加上一個很小的值是為了避免分母為0，算是廣義的Normalization ，這種方式結果有正有負。兩者使用情境主要是看訓練任務與資料型態，而在圖像的問題上並沒有明顯差異，詳細可參考：https://towardsdatascience.com/normalization-vs-standardization-quantitative-analysis-a91e8a79cebf