板上各位好
我想請問一下，關於NN的訓練
正規化非常重要
一般的正規化是對每個feature做 (X-mean)/std 的正規化
但是對於灰階影像來說的話我的疑問是
正規化應該是以下的哪一種
1.對每一個圖像各別正規化
2.對所有圖像所有pixel一起正規化
3.對每張圖像的同一位置正規化
(即圖1~圖n的第1個pixel自己正規化，圖1~圖n的第2個pixel自己正規化 以此類推...)
4.做minmax normalization(因為像素值不會有負的)
對於這方面有點疑惑
還請大家替我解惑
感謝!

我目前看到通常是4，不知道有沒有其他大大要補充

1-3是做標準化（x-xbar)/std ，結果會有負值。4是做正規化 （x-xbar)/(xmax-xmin) ，結果大於0。有點忘記標準化和正規化的定義，好像比較常看到4

其實這些全部都是normalization啊，哪個好要看實際應用的資料特性跟需求目的而定而normalize對象哪些該一起、哪些該分開，就會依據你對這些項目的重要性跟獨立性而定例如你認為第一個像素跟第二個像素在你的判斷中是各自獨立的，你認為第一個像素之間的明暗比較才有意義，而它與第二個像素的相對關係就不重要，而且你認為這兩個像素的重要性相等，那你就可能採取個別對特徵行（單一像素）做min-max而另一個相對的例子，你覺得不同圖片之間的比對並不重要，重視的特徵是同一張圖片內的明暗變化，也就是例如兩張圖片的明暗度可能差異超大，但是這兩張圖都是上半亮下半暗你就覺得其實可能是類似的，在這種情況我們就可能採取對資料列（單一張圖內部的像素）做min-max而如果圖片之間的明暗比較以及單一圖片內部的明暗比較都同樣重要，我們就可能同時對所有特徵資料行列（所有圖片的所有像素）同時一起做min-max另外如果覺得不只是相對的明暗度，絕對的明暗度也非常重要那麼我們就不會採用min-max而是採用直接從0-255映射到0-1之類的方式

好的感謝各位的回答 這樣我了解了^o^