python 归一化

 

0的任何次方等于1

1的任何次方等于1

所以规划化可以去掉

image=(image+1)/257

 

这个部分就需要17ms，p100机器上：

 start=time.time()
    inp_image = ((inp_image / 255. - self.mean) / self.std).astype(np.float32)

    images = inp_image.transpose(2, 0, 1).reshape(1, 3, inp_height, inp_width)
    print("guiyihua",time.time()-start)

 

归一化，这个不支持图像

def Normalize(data):
    m = np.mean(data)
    mx = max(data)
    mn = min(data)
    return [(float(i) - m) / (mx - mn) for i in data]
data=[1,255,2,23,150]
print(Normalize(data))


减均值，除以标准差
from sklearn import preprocessing
import numpy as np
# X = np.array([1,255,35])
X_scaled = preprocessing.scale(data)
print(X_scaled)