我正在阅读《制作你自己的神经网络》一书，在这个关于如何对手写数字进行分类的例子中，文本中说，0到255范围内的输入颜色值将被重新缩放到0.01到1.0之间的小得多的范围。有几个问题！
-
使用0到255的实际范围有什么反对意见？重新缩放会给我带来什么？
-
这是否意味着，如果我重新缩放我的训练集，用这个重新缩放的数据训练我的模型，那么我也应该使用重新缩放的测试数据？
有什么争论吗？
使用梯度下降等方法时，重新缩放数据将加快收敛速度。此外，当数据集的大小变化很大时，使用包含欧氏距离的解决方案可能会导致糟糕的结果。为了避免这种情况，明智的解决方案是将特征缩放到0.0到1.0之间。
对于第二个问题，您应该重新缩放测试数据。
单击这些链接1、2和3以获取更多信息。