像素值为什么归一化？归一化作用？

答：

1、0-256数据较大且为整数，计算机进行计算时，容易造成精度丢失。如1/3 = 0；

2、在深度神经网络训练时一般使用较小的权重值来进行拟合，而当训练数据的值是较大整数值时，可能会减慢模型训练的过程。因此，一般需要图像的像素进行归一化，使得图像的每个像素值都在0-1之间。当图像的像素处于0-1范围时，由于任然介于0~255之间，所以图像依旧是有效的，并且可以正常查看图像。
 

补充：

图像是由像素组成的。黑白图像是单个像素矩阵，而彩色图像中每个颜色通道都有单独的像素矩阵，比如：红色，绿色，蓝色等颜色通道。

归一化作用：

1归一化是一种数理统计中常用的数据预处理手段，在机器学习中归一化通常将数据向量每个维度的数据映射到(0,1)或(-1,1)之间的区间或者将数据向量的某个范数映射为1，归一化好处有两个：

1、消除数据单位的影响：

其一可以将有单位的数据转为无单位的标准数据，如成年人的身高150-200cm、成年人体重50-90Kg，身高的单位是厘米而体重的单位是千克，不同维度的数据单位不一样，造成原始数据不能直接代入机器学习中进行处理，所以这些数据经过特定方法统一都映射到(0,1)这个区间,这样所有数据的取值范围都在同一个区间里的。

2、可提深度学习模型收敛速度:

如果不进行归一化处理，假设深度学习模型接受的输入向量只有两个维度x1和x2，其中X1取值为0-2000，x2取值为0-3。这样数据在进行梯度下降计算时梯度时对应一个很扁的椭圆形，很容易在垂直等高线的方向上走大量的之字形路线，是的迭代计算量大且迭代的次数多，造成深度学习模型收敛慢。