深度学习图像预处理中使用零均值化(zero-mean)和标准化 ？

在训练神经网络的过程中，通常需要对原始数据进行中心化（Zero-centered或者Mean-subtraction（subtraction表示减去））处理和标准化（Standardization或Normalization）处理。下面，我将介绍这两个操作的作用。

零均值化/中心化

在深度学习中，训练网络时使用的图片，通常会先对它进行零均值化(zero-mean) / 中心化，即让所有训练图片中每个位置的像素均值为0，使得像素值范围变为[-128,127]，以0为中心。
零均值化：是指变量减去它的均值
优点：在反向传播中加快网络中每一层权重参数的收敛；
还可以增加基向量的正交性。

标准化/归一化

不同评价指标往往具有不同的量纲和量纲单位，这样将无法对结果进行分析，难以对结果进行衡量，为了消除指标之间的量纲影响，需要对数据进行标准化处理，以解决数据指标之间的可比性。
标准化：是指变量减去它的均值，再除以标准差
优点：归一化后加快了梯度下降求最优解的速度；
归一化有可能提高精度。