板上各位好
我想请问一下，关于NN的训练
正规化非常重要
一般的正规化是对每个feature做 (X-mean)/std 的正规化
但是对于灰阶影像来说的话我的疑问是
正规化应该是以下的哪一种
1.对每一个图像各别正规化
2.对所有图像所有pixel一起正规化
3.对每张图像的同一位置正规化
(即图1~图n的第1个pixel自己正规化，图1~图n的第2个pixel自己正规化 以此类推...)
4.做minmax normalization(因为像素值不会有负的)
对于这方面有点疑惑
还请大家替我解惑
感谢!

我目前看到通常是4，不知道有没有其他大大要补充

1-3是做标准化（x-xbar)/std ，结果会有负值。4是做正规化 （x-xbar)/(xmax-xmin) ，结果大于0。有点忘记标准化和正规化的定义，好像比较常看到4

其实这些全部都是normalization啊，哪个好要看实际应用的资料特性跟需求目的而定而normalize对象哪些该一起、哪些该分开，就会依据你对这些项目的重要性跟独立性而定例如你认为第一个像素跟第二个像素在你的判断中是各自独立的，你认为第一个像素之间的明暗比较才有意义，而它与第二个像素的相对关系就不重要，而且你认为这两个像素的重要性相等，那你就可能采取个别对特征行（单一像素）做min-max而另一个相对的例子，你觉得不同图片之间的比对并不重要，重视的特征是同一张图片内的明暗变化，也就是例如两张图片的明暗度可能差异超大，但是这两张图都是上半亮下半暗你就觉得其实可能是类似的，在这种情况我们就可能采取对资料列（单一张图内部的像素）做min-max而如果图片之间的明暗比较以及单一图片内部的明暗比较都同样重要，我们就可能同时对所有特征资料行列（所有图片的所有像素）同时一起做min-max另外如果觉得不只是相对的明暗度，绝对的明暗度也非常重要那么我们就不会采用min-max而是采用直接从0-255映射到0-1之类的方式

好的感谢各位的回答 这样我了解了^o^