在微调keras.applications中针对我们自己的数据的预训练模型时，在Keras中预处理数据的正确方法是什么？
Keras提供以下preprocess_input功能
keras.applications.imagenet_utils.preprocess_input
keras.applications.inception_v3.preprocess_input
keras.applications.xception.preprocess_input
keras.applications.inception_resnet_v2.preprocess_input
看里面似乎是inception_v3，xception和inception_resnet_v2，它调用keras.applications.imagenet_utils.preprocess_input用mode='tf'。对于其他模型，它会设置mode='caffe'每个模型执行不同的转换。
在博客文章迁移学习从弗朗索瓦CHOLLET - https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html -它归到[0, 1]通过划分255。不应该使用Keras中的preprocess_input函数吗？
还不清楚输入的图像应该是RGB还是BGR？对此是否有任何一致性，还是特定于所使用的预训练模型？