因此，在深入探讨基于这两种方法的 CNN 性能之前，让我们先从它们对输入的作用开始。

第一种方法（IMG/255.0，我们称之为缩放）将使数​​据在 0 和 1 之间缩放。第二种方法（IMG - mean/STD，我们称之为居中）将输入范围从任意数字（可以是正数和负数），0 是平均值。

缩放会提高模型的收敛速度，而中心化不仅会加快模型的收敛速度，还会处理梯度爆炸和消失的问题。

正如CS231中提到的，居中就足够了，因为它也可以进行缩放。

最后，只要你没有非常深的模型，这两种技术不会有太大的不同，因为批量归一化处理了与图像归一化有关的几乎所有事情，所有层都接收归一化数据，并且不仅是第一个。