TensorFlow Hub图像模块：预处理与输出值相关疑问

我来帮你理清这个从TF Slim转到TF Hub时容易碰到的疑惑点~

1. 预处理是否会隐式执行？ #

大部分TF Hub的图像特征提取模块（比如你用到的Inception V3特征向量模块）已经把核心预处理逻辑内置在模块中了，但有几个关键点要注意：

• 模块会自动完成像素值归一化这类步骤（比如把0-255的像素值转换为模块需要的[-1, 1]范围），不需要你像使用TF Slim那样手动调用inception_preprocessing.preprocess_image()。
• 但模块不会帮你处理图像尺寸问题！如果你的原始图像尺寸不符合模块要求（比如Inception V3需要299x299），你得先手动把图像resize到对应尺寸，再传入模块。
• 前提是你传入的图像要符合模块的输入格式要求：比如RGB通道顺序、0-255的像素值范围，这些是模块能正常执行内置预处理的基础。

2. 预处理逻辑是否受trainable参数影响？ #

完全不相关！
trainable=True/False这个参数只控制模块的权重参数是否会在训练过程中被更新，和预处理逻辑是否执行没有任何关系。不管你设置成哪种状态，模块内部的预处理步骤都会照常运行——毕竟这是提取特征前的必要操作，和权重的可训练性无关。

小提示 #

如果对模块的输入要求还有疑问，建议仔细查看模块的详情说明（通常会明确标注输入张量的形状、数据范围、通道顺序等），这样能避免因输入格式不匹配导致的问题。

内容的提问来源于stack exchange，提问作者Maverick