常用的方法是通过对原始数据进行线性变换把数据映射到[0,1]之间,变换函数为:
不同变量往往量纲不同,归一化可以消除量纲对最终结果的影响,使不同变量具有可比性。在不涉及距离度量、协方差计算、数据不符合正太分布的时候,可以使用归一化方法。比如图像处理中,将RGB图像转换为灰度图像后将其值限定在[0 255]的范围。
( transfroms.Normalize)
常用的方法是z-score标准化,经过处理后的数据均值为0,标准差为1,公式是:
(BatchNorm2d)
如果对输出结果范围有要求,用归一化
如果数据较为稳定,不存在极端的最大最小值,用归一化
如果数据存在异常值和较多噪音,用标准化,可以间接通过中心化避免异常值和极端值的影响
原文:https://www.cnblogs.com/Jason66661010/p/13677779.html