Keras VGG16预处理输入模式

Question

我正在使用Keras VGG16模型。

我已经看到，有一个preprocess_input方法可以与VGG16模型结合使用。该方法似乎在imagenet_utils.py中调用preprocess_input方法，该方法（取决于大小写）在imagenet_utils.py中调用_preprocess_numpy_input方法。

该preprocess_input有mode哪些期待“朱古力”，“TF”，或“火炬”的说法。如果我在带有TensorFlow后端的Keras中使用模型，我应该绝对使用mode="tf"吗？

如果是，这是否是因为Keras加载的VGG16模型受过经过相同预处理（即，将输入图像的范围从[0,255]更改为输入范围[-1,1]）的图像进行了训练？

另外，用于测试模式的输入图像也应进行此预处理吗？我相信最后一个问题的答案是肯定的，但我希望得到保证。

我希望Francois Chollet能够正确地做到这一点，但是看他是不是https://github.com/fchollet/deep-learning-models/blob/master/vgg16.py，或者我使用错了mode="tf"。

更新信息

@FalconUA将我带到牛津的VGG，那里有一个模型部分，其中包含16层模型的链接。通过以下模型 16层模型中的链接可以找到有关将preprocessing_input mode参数tf缩放为-1到1并caffe减去一些平均值的信息：信息页面。在“说明”部分中，它说：

“在本文中，模型表示为经过比例抖动训练的配置D。输入图像应通过均值像素（而不是均值图像）相减为零。即，应减去以下BGR值：[103.939， 116.779，123.68]。”

Answer 1

在mode这里是不是后端，而是大约在什么框架模型进行训练，并从移植。在与VGG16 的keras链接中，声明：

这些重量是从VGG在牛津发布的重量中得出的

因此，在Caffe中对VGG16和VGG19模型进行了训练，并将其移植到TensorFlow，因此mode == 'caffe'在这里（范围从0到255，然后提取均值[103.939, 116.779, 123.68]）。

较新的网络，如MobileNet和的ShuffleNet被训练上TensorFlow，所以mode是'tf'对它们和输入是零为中心的范围从-1到1。

Answer 2

根据我在 Keras 中训练 VGG16 的经验，输入应该是从 0 到 255，减去均值[103.939, 116.779, 123.68]。我试过转移学习（冻结底部并在顶部堆叠一个分类器），输入以 到-1为中心1，结果比0..255 - [103.939, 116.779, 123.68].