1樓：TchaikovskyBear
1 預處理時為什麼需要將影象的畫素值減去乙個固定的值？
原答案有誤，這裡的確是有減去乙個固定值，你可以把這個固定值理解為127，為什麼每個通道不同是因為不同顏色的實際使用範圍是不太一樣的，比如R在平時的主要顯示範圍會偏暗一些，所以他的均值就偏小，為123，而B通道的日常顯示範圍則更小一些，均值則在104，這些都是為了歸一化。因此雖然和原答案有出入，但是的確這一步並不是必須執行的，你可以直接減127然後除128歸一化，演算法依然可以正常執行.
2 為什麼畫素值的儲存用的是浮點型，而不是int型？
同樣原答案有誤，這裡tensorflow用的是float32或64，這個是官方指定的資料型別，具體原因我也不清楚，但是可以知道的是，用float本身是為了讓你輸入歸一化（-1~1）的資料，元不是原始的畫素資料。UINT8則是cv2等python下的影象包讀取進來時資料的儲存格式，這裡的原答案嚴重錯誤，我現在修正了。
使用卷積神經網路處理影象時，使用資料增強和不使用（最終影象數量一樣），理論上哪個效果會更好？
Alex Sun 其他回答的答主都自己跑過實驗嗎?笑死我了 Data Augmentation在絕大多數情況下帶來的在test set上的提公升是顯著的。一般來說，在classification,detection，segmentation等task上。樓主可以嘗試運用 Mirror Flip,Ra...
卷積神經網路和BP神經網路的關係？
乙個維度的BP神經網路就相當於CNN中的全連線了，無非是多幾個全連線，CNN是二維，二維如果搞成全連線就導致運算量巨大，所以有了權重共享，大大減少了運算量，CNN卷積的思想肯定也源於BP神經網路就，在影象上做二維卷積的CNN發出炫目的光芒下，BP神經網路就已經快被人們遺忘了，但是不管CNN再怎麼發展...
卷積神經網路訓練影象的時候，畫素值都是大於0的，那麼啟用函式relu還有什麼作用呢？
小布丁 大家的問答真的寫的挺好的，讓人看了很清晰 總結如下 雖然畫素點的值全為正，但是要經過卷積，卷積核的值可能有負的，最終卷積得到乙個小於0的結果 卷積之後的值要經過BatchNorm層，這個層在歸一化的選擇上也可能會導致出現負值 所以需要做ReLu的線性變換。 Woolsey Relu是 啟用函...