Upload 05

exam/5.md

+# 第5关：VGGNet 模型输入的预处理
+
+## 任务描述
+
+本关任务：编写一个能预处理图片的矩阵形式的输入的函数。其实这本来属于预处理的一部分，但并不是数据增强，比较接近归一化。我有考虑过放在前面数据预处理部分，但是这个是 VGGNet 里使用的，单列一关也不好取名字；然后也有考虑过放到后面的 VGGNet 的模型搭建中，但是这样模型那一关就太麻烦了。所以就还是单独列一关，放到这里。
+
+## 相关知识
+
+为了完成本关任务，你需要掌握：
+
+1. 预处理图片矩阵：每个像素点减去该图片对应的通道的均值
+
+### 预处理图片矩阵
+
+`np.mean()` 配合参数 axis 的使用即可完成该操作。axis 可以指定在哪一维上做求均值，直观上，返回的矩阵，指定的维就会消失，这个可能比较抽象，直接实践一下会比较容易理解。
+
+VGGNet 之所以有这一步，其实就跟最大最小归一化一样，都是为了是网络更容易收敛。
+
+如果待处理的矩阵形状为 X×Y×3：
+
+axis=0，代表第一维，即把 X（行）消除了，所以返回的是每一列 RGB 的均值，形状是 Y×3。
+
+axis=1, 代表第二维，即把 Y（列）消除了，所以返回的是全图的 RGB 的均值，形状是 3。
+
+示例如下，最好动笔算一下
+
+```python
+a = np.array([[[1,2,3],[4,5,6],[1,1,1]],
+                  [[7,8,9],[10,11,12],[2,2,2]],
+                  [[13,14,15],[16,17,18],[3,3,3]]])
+rgbMean = np.mean(a, axis=0)
+print('axis = 0')
+print(rgbMean)
+print(rgbMean.shape)
+print('axis = (0,1)')
+rgbMean = np.mean(a,axis=(0,1))
+print(rgbMean)
+print(rgbMean.shape)
+print('subt\fract')
+print(a-rgbMean)
+```
+
+输出：
+
+```
+---axis = 0---
+[[ 7.  8.  9.]
+ [10. 11. 12.]
+ [ 1.  2.  3.]]
+(3, 3)
+---axis = (0,1)---
+[6. 7. 8.]
+(3,)
+---subt\fract---
+[[[-5. -5. -5.]
+  [-2. -2. -2.]
+  [-5. -6. -7.]]
+ [[ 1.  1.  1.]
+  [ 4.  4.  4.]
+  [-4. -5. -6.]]
+ [[ 7.  7.  7.]
+  [10. 10. 10.]
+  [-6. -4. -2.]]]
+```
+
+## 测试说明
+
+平台会对你编写的代码进行测试：
+
+测试输入会是任意的 X×Y×3 型的矩阵，正确的输出应该是经过每个值减去了对应通道的均值后的值。平台会判定你写的函数的输出是否和正确处理保持一致，如果是一致的，则正确。
+
+---
+
+开始你的任务吧，祝你成功！
+
+## 答案
+
+见 `VGGPreprocessComplete.py`。
\ No newline at end of file