在訓練神經網絡前，往往要對原始圖像數據進行預處理，中心化（Zero-centered及Mean-subtraction）和歸一化（Normalization）。那么具體是什么意思呢？
1、零均值化/中心化
在訓練神經網絡前，預處理訓練集數據，通常是先進行零均值化（zero-mean），即讓所有訓練圖像中每個位置的像素均值為0，使得像素范圍變成 [-128, 127]，以0為中心。
零均值化：是指變量減去它的均值；
優點：在反向傳播時加快網絡中每層權重參數的收斂；還可以增加基向量的正交性。
2、歸一化/標准化
不同的評價指標往往具有不同的量綱和量綱單位，這樣無法對結果進行分析，難以對結果進行衡量，為了消除指標之間的量綱影響，需要對數據進行標准化處理，以使數據指標之間存在可比性。
歸一化：是指變量減去它的均值，再除以標准差；
優點：歸一化后加快了梯度下降求最優解的速度；並且有可能提高精度。