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]。”