在训练神经网络前，往往要对原始图像数据进行预处理，中心化（Zero-centered及Mean-subtraction）和归一化（Normalization）。那么具体是什么意思呢？
1、零均值化/中心化
在训练神经网络前，预处理训练集数据，通常是先进行零均值化（zero-mean），即让所有训练图像中每个位置的像素均值为0，使得像素范围变成 [-128, 127]，以0为中心。
零均值化：是指变量减去它的均值；
优点：在反向传播时加快网络中每层权重参数的收敛；还可以增加基向量的正交性。
2、归一化/标准化
不同的评价指标往往具有不同的量纲和量纲单位，这样无法对结果进行分析，难以对结果进行衡量，为了消除指标之间的量纲影响，需要对数据进行标准化处理，以使数据指标之间存在可比性。
归一化：是指变量减去它的均值，再除以标准差；
优点：归一化后加快了梯度下降求最优解的速度；并且有可能提高精度。