畳み込みニューラルネットワークの画像前処理

Question

私は*.pngファイルを持っており、画像を畳み込みニューラルネットワークのコンテキストでワンホットエンコードに変換したいと考えています。

1. 私の画像は224x224です。私は多くのオンラインリファレンスを検索しましたが、イメージをワンホットエンコーディングに変換する方法を理解できませんでした。行ごとに列ごとに行を追加しますか？他のものよりも良い方法ですか？
2. 一度ホットコード化されたベクトルを作成すると、ベクトルの各値を256（RGBの最大値）で除算するなど、正規化操作が適用されます。これにより、数値が爆発してオーバーフローすることがなくなります。しかし、この値から0.5を引いたものもあります。どうしてこれなの？これは効果的に値の範囲を[-0.5, 0.5]の間に置きます。しかし、ほとんどのコンビネーションでは、ReLUレイヤーが適用され、これらの値はすべて0またはそれ以上になります。だから、なぜこれが行われたのか混乱しています。
3. 最後に、画像をワンホットエンコードされたベクトルに変換したら、バイアス項をどこに追加しますか？ワンホットエンコードされたベクトルの前または後ろにそれを追加しますか？この値は正確には何であると思いますか？ベクトルの正規化を考えると、私は通常、ベクトルの前に追加されるバイアス項が1であることを見ています。しかし、なぜ我々は1を選択するのですか？それは通常正面に追加されますか？

Answer 1

1. は、私はあなたが符号化された表現をonehot画像を変換することを考えているので、あなたがアップ混入されている推測しています:)私は統計上のあなたの質問の一部に答え、stackexchangeと思います。そうではありません。 1つのホットエンコーディングはラベルのみで、画像を変換する必要はありません（上のコメントから）
2. もう一度おしゃべりします（ちょっと読んでください） 。イメージを処理します（この場合は前処理）。正規化は様々なタイプのものが可能である。深い学習のために、通常の方法は平均が0で標準偏差が1になるように正規化することです。私は（-0.5,0.5）で正規化を試みたのではなく、ReLUに関する質問に答えます。 ReLUは非線形性をもたらすためにそこにあります。深い学習について詳しく読むと良いでしょう。（特に腰の繁殖）
3. あなたは深い学習を混乱させています。訓練の過程でバイアス用語が追加されています。ニューラルネットワーク上に読み込む必要があります。

この簡単なチュートリアルプレイリストが深い学習を理解することは私に多くのことを助け、これはあまりにもあなたを助け願っています！それをチェックアウト

Neural network tutorial学習にあなたに幸運を願っ:)