Keras VGG16 preprocess_input 模式
Keras VGG16 preprocess_input modes
我正在使用 Keras VGG16 model。
我看到有一个 preprocess_input method to use in conjunction with the VGG16 model. This method appears to call the preprocess_input method in imagenet_utils.py which (depending on the case) calls _preprocess_numpy_input method in imagenet_utils.py.
preprocess_input 有一个 mode 参数，需要 "caffe"、"tf" 或 "torch"。如果我在 Keras 中使用带有 TensorFlow 后端的模型，我应该绝对使用 mode="tf" 吗？
如果是，这是因为 Keras 加载的 VGG16 模型使用经过相同预处理的图像进行训练（即将输入图像的范围从 [0,255] 更改为输入范围 [-1,1]）？
另外，测试模式的输入图像是否也需要经过这种预处理？我相信最后一个问题的答案是肯定的，但我想要一些保证。
我希望 Francois Chollet 做对了，但是看看 https://github.com/fchollet/deep-learning-models/blob/master/vgg16.py 要么他是，要么我使用 mode="tf".
是错误的
更新信息
@FalconUA 将我带到了 VGG at Oxford which has a Models section with links for the 16-layer model. The information about the preprocessing_input mode argument tf scaling to -1 to 1 and caffe subtracting some mean values is found by following the link in the Models 16-layer model: information page。在描述部分它说：
"In the paper, the model is denoted as the configuration D trained with scale jittering. The input images should be zero-centered by mean pixel (rather than mean image) subtraction. Namely, the following BGR values should be subtracted: [103.939, 116.779, 123.68]."
这里的 mode 不是关于后端，而是关于 模型是在什么框架上训练和移植的。 在 keras link到 VGG16，声明：
These weights are ported from the ones released by VGG at Oxford
所以 VGG16 和 VGG19 模型在 Caffe 中训练并移植到 TensorFlow，因此这里 mode == 'caffe'（范围从 0 到 255，然后提取平均值 [103.939, 116.779, 123.68]）。
较新的网络，如 MobileNet 和 ShuffleNet 是在 TensorFlow 上训练的，因此 mode 是 'tf'它们和输入在 -1 到 1 的范围内以零为中心。
根据我在 Keras 中训练 VGG16 的经验，输入应该是从 0 到 255，减去平均值 [103.939, 116.779, 123.68]。我尝试过迁移学习（冻结底部并在顶部堆叠分类器），输入集中在 -1 到 1，结果比 0..255 - [103.939, 116.779, 123.68].[=14= 差得多]
最近我自己再次尝试使用 VGG16，我无法通过像这样从 vgg16 导入 preprocess_input 来获得下降结果：
from keras.applications.vgg16 import VGG16, preprocess_input
这样做，preprocess_input 默认设置为 'caffe' 模式，但仔细查看 keras vgg16 code，我注意到权重名称
两次引用tensorflow。我认为预处理模式应该是 'tf'.
processed_img = preprocess_input(img, mode='tf')
我正在使用 Keras VGG16 model。
我看到有一个 preprocess_input method to use in conjunction with the VGG16 model. This method appears to call the preprocess_input method in imagenet_utils.py which (depending on the case) calls _preprocess_numpy_input method in imagenet_utils.py.
preprocess_input 有一个 mode 参数，需要 "caffe"、"tf" 或 "torch"。如果我在 Keras 中使用带有 TensorFlow 后端的模型，我应该绝对使用 mode="tf" 吗？
如果是，这是因为 Keras 加载的 VGG16 模型使用经过相同预处理的图像进行训练（即将输入图像的范围从 [0,255] 更改为输入范围 [-1,1]）？
另外，测试模式的输入图像是否也需要经过这种预处理？我相信最后一个问题的答案是肯定的，但我想要一些保证。
我希望 Francois Chollet 做对了，但是看看 https://github.com/fchollet/deep-learning-models/blob/master/vgg16.py 要么他是，要么我使用 mode="tf".
更新信息
@FalconUA 将我带到了 VGG at Oxford which has a Models section with links for the 16-layer model. The information about the preprocessing_input mode argument tf scaling to -1 to 1 and caffe subtracting some mean values is found by following the link in the Models 16-layer model: information page。在描述部分它说：
"In the paper, the model is denoted as the configuration D trained with scale jittering. The input images should be zero-centered by mean pixel (rather than mean image) subtraction. Namely, the following BGR values should be subtracted: [103.939, 116.779, 123.68]."
这里的 mode 不是关于后端，而是关于 模型是在什么框架上训练和移植的。 在 keras link到 VGG16，声明：
These weights are ported from the ones released by VGG at Oxford
所以 VGG16 和 VGG19 模型在 Caffe 中训练并移植到 TensorFlow，因此这里 mode == 'caffe'（范围从 0 到 255，然后提取平均值 [103.939, 116.779, 123.68]）。
较新的网络，如 MobileNet 和 ShuffleNet 是在 TensorFlow 上训练的，因此 mode 是 'tf'它们和输入在 -1 到 1 的范围内以零为中心。
根据我在 Keras 中训练 VGG16 的经验，输入应该是从 0 到 255，减去平均值 [103.939, 116.779, 123.68]。我尝试过迁移学习（冻结底部并在顶部堆叠分类器），输入集中在 -1 到 1，结果比 0..255 - [103.939, 116.779, 123.68].[=14= 差得多]
最近我自己再次尝试使用 VGG16，我无法通过像这样从 vgg16 导入 preprocess_input 来获得下降结果：
from keras.applications.vgg16 import VGG16, preprocess_input
这样做，preprocess_input 默认设置为 'caffe' 模式，但仔细查看 keras vgg16 code，我注意到权重名称
两次引用tensorflow。我认为预处理模式应该是 'tf'.
processed_img = preprocess_input(img, mode='tf')