我对z-score normalization方法有疑问。此方法使用z-score到normalize数据集的值，并且需要mean/std。我知道您通常应该使用数据集的mean/std。但是我看过pytorch.org和net上的多个教程，他们只是将0.5用作mean/std，这对我来说似乎完全是任意的。我想知道为什么他们不使用数据集的mean/std？
[示例教程，它们仅使用0.5作为mean/std：https://pytorch.org/tutorials/beginner/dcgan_faces_tutorial.htmlhttps://medium.com/ai-society/gans-from-scratch-1-a-deep-introduction-with-code-in-pytorch-and-tensorflow-cb03cdcdba0fhttps://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html#sphx-glr-beginner-blitz-cifar10-tutorial-py
如果您使用数据集的std / mean来归一化您在归一化后将具有的mean 0和std 1的同一数据集。归一化数据集的min / max值在某些范围中为非。
如果使用平均值/标准差0.5作为数据集归一化的参数，您将在范围的-1至1中拥有一个数据集。规范化数据集的mean将为接近零，规范化数据集的std将为接近0.5。
因此要回答我的问题，当您希望数据集在-1至1的范围内]时，请使用0.5作为均值/标准差。当在神经网络中使用例如tanh激活函数时，这将是有益的。