一般来说，只要输入处于合理的规模，数据的精确归一化在神经网络中并不是非常重要。正如 Alex 所提到的，对于图像，归一化为 0 和 1 恰好非常方便。

归一化无关紧要的事实只有通过使用批量归一化才能变得更强，这是神经网络中经常使用的一个函数/层，它将网络中途的激活重新归一化为零均值和单位方差。而且您链接的论文的作者确实使用了批量标准化，这意味着无论数据之前是标准化的，无论如何它在网络内部都被重新标准化了很多次。

此外，阅读他们在 github 上的代码，他们实际上确实以两种方式对数据进行了预处理——零均值单位方差归一化，以及 min 0 max 1 归一化。他们没有解释为什么选择一个预处理数据集而不是另一个，但我怀疑他们要么只是随意使用 min 0 max 1 归一化，要么一些初步的超参数搜索表明，无论出于何种原因，一个比另一个工作得更好。