企业官网建设流程全解析

归一化（Normalization）是指把不同尺度、范围的数据，按一定规则映射到统一、稳定的数值范围或分布，目的是让模型更稳定、更快收敛，也避免某些特征“数值大就主导训练”的问题。

一、直观理解（先有个感觉）

假设你有一张图片：

• 像素值是 0 ~ 255（uint8）

模型更喜欢这样的输入：

• 0 ~ 1
• 或 -1 ~ 1
• 或均值≈0、方差≈1

归一化就是做这件事的转换过程。

二、常见归一化类型（重点在视觉/AIPipe里）

1）最小–最大归一化（Min-Max Normalization）

公式：

x′=(x−min​)/(max−min)

结果范围：通常是 [0, 1]

例子：

python pythonx = x / 255.0

2）标准归一化（Standardization / Z-score）

公式：x′=(x−μ​)/σ

其中：

• μ：均值（mean）
• σ：标准差（std）

结果：

• 均值 ≈ 0
• 方差 ≈ 1
• 不一定固定在某个区间

PyTorch 里很常见：

python pythonnormalize = transforms.Normalize( mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225] )

这段代码到底做了什么？

假设输入 x 的形状是 (C, H, W)，且已经是 [0, 1] 的 float 张量：

pythonx = (x - mean) / std

逐通道计算：

• 第 0 通道（R）：

x[0] = (x[0] - 0.485) / 0.229

• 第 1 通道（G）：

x[1] = (x[1] - 0.456) / 0.224

• 第 2 通道（B）：

[2] = (x[2] - 0.406) / 0.225

✅ 逐通道独立归一化​

✅ 不改变 H、W，只改变数值分布

为什么是这几个“奇怪的数字”？

这组 mean 和 std 来自 ImageNet 数据集的统计结果

含义是：

• 先统计整个 ImageNet 所有图片每个通道的像素均值和标准差
• 然后把这些值“定死”下来
• 以后所有用 ImageNet 预训练模型（ResNet、MobileNet、ViT 等）都必须用这一组

(ImageNet 是大规模图像数据集，而 ResNet、MobileNet、ViT 是在这个数据集上训练和验证的神经网络模型架构)