我们正在重新实现Gatys 等人的风格迁移算法。使用卷积神经网络的图像风格转移。那里有许多示例实现，但除了作者之外，几乎每个人都使用具有预训练权重的标准网络。在第 2 节 - 深度图像表示中有以下段落：

我们通过缩放权重对网络进行归一化，使得每个卷积滤波器在图像和位置上的平均激活值等于 1。这种重新缩放可以在不改变其输出的情况下对 VGG 网络进行，因为它只包含校正线性激活函数，没有归一化或特征图池化。

我想知道这在实践中意味着什么 - 是捕获 imagenet（训练集）中所有图像的激活图，然后根据所有图像的这些总和调整 relu 权重，每个过滤器元素的所有位置？如果它根本与训练数据无关，不知道如何解释它。