畳み込みレイヤのサイズ縮小

Question

私はCifar-10データセットで作業しています。データの元の形状は（50000,3072）であり、50000の画像があり、それぞれ最初の1024ピクセルは赤、次に1024は緑、次に1024は青です。行のメジャー形式で格納されているため、赤の最初の32ピクセルは32ピクセルの最初の行の赤です。

これまでのところ、私は形状のnumpyのアレイ（50000、32、32、3）32行およびピクセル当たり3色強度によって50000個のイメージ、32列を表す

trainX.reshape((-1,3,32,32)).transpose([0,2,3,1]) 

にそれを変換するために管理していますしかし、私はデータの正則化に問題があります。

すべての色間で以下の平均値強度が、それが起こっすべきか本当にありませんが、それぞれの色は

trainX = (trainX-np.mean(trainX))/np.std(trainX) 

データでそれ自身の色の強さのすべてにわたって平均化する必要があり、効率的な方法はありますこのデータを色で正規化するには？このタイプのデータを畳み込みニューラルネットワークに入力するためのより一般的な方法がありますか（イメージをグレースケールに変換するなど）、ネットワークに複数のカラープレーンを提供する利点がありますか？

Answer 1

3つの色の強度を反復しますか？
これは、次の方法で行うことができる：結果をスライスすると、私が欲しいものを私に取得しているのに、私は場所でそれらを編集したり、統合オブジェクトを返すようにしようとしている

[(trainX[:,:,:,i]-np.mean(trainX[:,:,:,i]))/np.std(trainX[:,:,:,i]) for i in range(np.shape(trainX)[3])]