深度学习 均值标准差

在深度学习中，输入数据集进行均值化和标准化处理有以下几个原因和作用。首先，均值化可以防止某一维或某几维对数据影响过大，使得模型更加稳定和鲁棒。通过计算数据集的均值，将每个数据点减去均值，可以使得数据分布集中在0附近，减小不同特征维度之间的尺度差异，增强模型的收敛性和泛化能力。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [深度学习的输入数据集为什么要做均值和标准差的处理（标准化处理）](https://blog.csdn.net/qq_41375318/article/details/115558392)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *3* [【深度学习】计算图像数据集的均值和标准差（mean、std）用于 transform 标准化（Imagefolder）](https://blog.csdn.net/qq_51392112/article/details/129732998)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]