标签：网络 负数 方向 width 返回 就会 参数 alt red
1. 零均值化 / 中心化：对输入图片进行预处理，计算训练数据中所有图片的每个位置的均值，然后每张图片的元素减自己位置对应的均值。零均值化后的图片以（0，0）为中心，所有图片的对应位置的元素均值为0
PCA和白化：
2. 为什么要对数据零均值化？
为了在反向传播中加快网络中每一层权重参数的收敛（这是个坑^ 我还是不太理解）
假设图中蓝色箭头方向理想最优w向量，当x全为正或者全为负时，每次返回的梯度都只会沿着一个方向发生变化，即梯度变化的方向就会向图中红色箭头所示，一会向上太多，一会向下太多。这样就会使得权重收敛效率很低。但当x正负数量“差不多”时，就能对梯度变化方向进行“修正”，使其接近上图中蓝色箭头的方向，加速了权重的收敛。
标签：网络 负数 方向 width 返回 就会 参数 alt red
原文地址：https://www.cnblogs.com/shiliuxinya/p/12244519.html
