深度学习样本归一化到[0,1]还是[-1,1]

一般，我们需要对神经网络的输入样本进行归一化，通常有多种选择，比如归一化到[0,1]，或归一化到[-1,1]。

这两种方法，哪种归一化方法更好呢？还是没有区别。

现在的实验经验，一般归一化后的数值沿原点对称最好，即归一化到[-1,1]可以期待取得更好的效果。

因此，推荐在归一化时，把样本数据归一化到[-1,1]，或者其他相对于原点对称的范围。

对应的，似乎使用双极性激活函数(tanh)优于单极性激活函数(sigmoid),因为tanh的激活值范围[-1,1]，而sigmoid的激活值范围是[0,1]