主要介绍了tensorflow下的图片标准化函数per_image_standardization用法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

实验环境：windows 7，anaconda 3(Python 3.5)，tensorflow（gpu/cpu） 函数介绍：标准化处理可以使得不同的特征具有相同的尺度（Scale）。 这样，在使用梯度下降法学习参数的时候，不同特征对参数的影响程度就一样了。 tf.image.per_image_standardization(image)，此函数的运算过程是将整幅图片标准化（不是归一化），加速神经网络的训练。 主要有如下操作，(x – mean) / adjusted_stddev，其中x为图

这份数据集来源于Kaggle，数据集有12500只猫和12500只狗。在这里简单介绍下整体思路 处理数据 设计神经网络 进行训练测试 1. 数据处理 将图片数据处理为 tf 能够识别的数据格式，并将数据设计批次。 第一步get_files() 方法读取图片，然后根据图片名，添加猫狗 label，然后再将 image和label 放到 数组中，打乱顺序返回 将第一步处理好的图片 和label 数组 转化为 tensorflow 能够识别的格式，然后将图片裁剪和补充进行标准化处理

tensorflow作为google开源的项目，现在赶超了caffe，好像成为最受欢迎的深度学习框架。确实在编写的时候更能感受到代码的真实存在，这点和caffe不同，caffe通过编写配置文件进行网络的生成。环境tensorflow是0.10的版本，注意其他版本有的语句会有错误，这是tensorflow版本之间的兼容问题。 还需要安装PIL：pip install Pillow 图片的格式：  – 图像标准化，可安装在20×20像素的框内，同时保留其长宽比。 – 图片都集中在一个28×28的图像