深度学习中数据到底要不要归一化？实测数据来说明！

在做超分这种回归类的模型时候，对于数据要不要做标准化预处理，网上也没个专业的说法，令人头大。

CV里面一般的图像都是0-255的范围，这个比较好处理了，不好进行标准化就直接除以255进行归一化，但是在其他领域的话，有时候数据集的极差比较大，比如降雨这种。

那么，在深度学习中处理图像数据的时候，到底要不要对数据进行标准化？

---

下面记录一些自己的实验。

测试

按照控制变量法的原理来做，其他的参数都不进行调整，只调整2个部分：

1. 是否对输入数据（X）做标准化？
2. 是否在网络中加入BN层？

模型使用FSRCNN（之前文章复现过），按照上面两个变量的组合，一共有4种情况，分别进行试验。

1. 既不做标准化，也不加BN层