计算预测值与真实值的差，为什么两个矩阵先归一化再相减，与先相减再归一化，得到的结果不一样？？？

在做抠图算法的实验，在计算评估指标的时候指标表现不正常。
追根溯源后发现问题出在

error_map2= (pred - target) / 255.

这段代码上。
将代码改为

error_map = (pred / 255.- target/ 255.) 

指标就正常了。
我将两种方式得到的error_map相减

error_map = (pred / 255.- target/ 255.) 
error_map2= (pred - target) / 255.
print(np.sum(np.abs(error_map-error_map2)))

但是矩阵先除再减和先减再除得到的结果不应该是一样的嘛？
pred与target都是495×800的灰度矩阵，
求解答！！！

(pred / 255.- target/ 255. ) 分别做了四舍5入再相减
而(pred - target) / 255减完后，除以25才做四舍5入

分别归一化量纲不一样。
好比小强和小丽分别和男女身高的平均值相等，这不代表小强和小丽的身高差就正好是男女身高差的平均值。