什么是零均值？
零均值
在深度学习中，一般我们会把喂给网络模型的训练图片进行预处理，使用最多的方法就是零均值化(zero-mean) 中心化，即使像素值范围变为[-128,127]，以0为中心。
作用
这样做的优点是为了 在反向传播中加快网络中每一层权重参数的收敛。
可以避免Z型更新的情况，这样可以加快神经网络的收敛速度。下面将分别以Sigmoid这个最经典的激活函数来说明：
Sigmoid
可以看到==Sigmoid的值域及其导数恒大于0==，回顾一下梯度下降的公式。
例如在CV问题中，我们输入的像素值都是在(0, 255)之间。即当x全为正或者全为负时，每次返回的梯度都只会沿着一个方向发生变化，即梯度变化的方向就会向图中红色箭头所示，一会向上太多，一会向下太多。这样就会使得权重收敛效率很低。
零均值化
处理方法： 将每个像素的值减去训练集上所有像素值的平均值，比如已计算得所有像素点的平均值为128，所以减去128后，现在的像素值域即为[-128,127]，即满足均值为零。
通过一张图来形象表示零均值化和归一化的区别：
