您可以使用这两种方法，在我见过的绝大多数示例中，使用通常的顺序是。

1. 增强您的数据、旋转、缩放、翻转......
2. 根据新的和增强的数据集规范化您的图像。

这样做，您还可以看到增强阶段的结果，而如果您先对其进行规范化，则无法将其可视化

归一化有助于您的神经网络，因为它确保您的输入数据始终在特定的数字边界内，基本上使网络更容易处理数据并平等对待数据样本。增强创建“新”数据样本，理想情况下应该尽可能接近“真实”而不是合成数据点。所以：

1. 应用扩充来创建合成数据。
2. 对整个数据集应用预处理。

我认为在实践中，有时实际上你按什么顺序做并不重要。根据您对图像应用的转换，之后它们可能仍会被规范化（例如，如果它们被镜像）。

对分布的影响

一个问题可能是增强会干扰数据的分布。但是，您可能会对图像执行线性变换。当您的数据最初处于高斯分布时，它在转换后仍将保持如此，如本文所述。