為什麼需要歸一化？

答：

1、我認為歸一化的表述並不太準確，按統計的一般說法，叫標準化。資料的標準化過程是減去均值併除以標準差。而歸一化僅包含除以標準差的意思或者類似做法。
2、做標準化的原因是：減去均值等同於座標的移動，把原始資料點的重心移到和原點重合，這樣利於很多表達，比如資料的協方差矩陣可以寫成XX'，若沒有減去均值，則XX‘後面還要減去一些東西（還不明白可以參考多元統計分析的書）。除以標準差是為了統一併消除量綱。一個矩陣中有多個向量，有些可能表示了長度，有些表示了重量，除以標準差，才能讓它們僅以“數”的概念一起比較運算。
3、標準化的做法。舉例，若你的矩陣A是5行3列，第一列表示長度，第二列表示時間，第三列表示質量，那麼矩陣A等同於對這個三個量進行了5次測量，所以5*3.這樣3個分量有各自的均值和標準差，對這個矩陣中15個元素均做標準化只要減去長度、時間、質量各自的均值併除以標準差即可。

影象不需要除以標準差，因為他們都是畫素值，同量綱同尺度。只減均值就行。