问TensorFlow per_image_standardization与整个数据集的平均标准化

EN

我很好奇每个图像的标准化和整个数据集的标准化之间的区别。

我使用的是tensorflow/模型/官方/resnet，它是用tf.estimator构建的。tf估计器支持产生tf数据集的输入流水线函数。Dataset对象应用标准化操作，该操作通过从每个像素减去图像本身的平均值来标准化，并强制单位方差。

这与其他基于整个数据集的平均值来标准化图像的ML预处理不同，例如使用sklearn.preprocessing.StandardScaler。

对于这个输入管道的任何方面是否持久化在从SavedModel导出的tf tf.estimator.Estimator中，我感到困惑。

因此，我想知道，在为模型提供服务时，无论是通过tf.contrib.predictor还是在以任何其他dnn格式部署模型时，是否仍然需要应用特性标准化。

即使我使用的是per_image_standardization，也应该在整个数据集中应用标准化吗？如果是这样的话，我是否应该以某种方式从整个映像集中导出平均值，以便服务器在为模型服务时能够从整个数据集中获取平均值，并以这种方式进行标准化？