При решении задачи классификации изображений или построении модели прогнозирования изображений в нейронных сетях вам необходимо снизить значение отдельных пикселей изображения от 0 до 1 (или интенсивность/яркость пикселя). Значения уменьшены до значений от 0 до 1, чтобы наш алгоритм оптимизации, такой как «Градиентный спуск», мог работать намного быстрее, и, таким образом, модель могла обучаться намного быстрее, увеличивая общую скорость. Это можно сделать с помощью таких методов, как нормализация или стандартизация.
Итак, в чем разница и какой из них использовать?
Термины нормализация и стандартизация иногда используются взаимозаменяемо, но обычно они относятся к разным вещам.
Нормализацияобычно означает масштабирование переменной (в нашем случае изображения) до значений от 0 до 1, а стандартизацияпреобразует данные так, чтобы среднее значение равнялось нулю, а стандартное отклонение равнялось 1.
