【转】torchvision.transforms.Normalize()解释

た入场券 2022-12-27 12:33 112阅读 0赞

原文：https://blog.csdn.net/xys430381\_1/article/details/85724668  
也许你经常会在PIL.Image转为tensor时看到这么一段数据预处理代码：

im_tfs = tfs.Compose([
            tfs.ToTensor(),
            tfs.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
        ])
        
    data = im_tfs(data)

**下面就是关于torchvision.transforms.Normalize()的解释：**

> torchvision.transforms.Normalize()中的mean和std参数做什么用呢？ 疑问1：  
> 按照我的理解，归一化就是要把图片3个通道中的数据整理到\[-1, 1\]区间。 x = (x - mean(x))/stddev(x)  
> 只要输入数据集x确定了，mean(x)和stddev(x)也就是确定的数值了，为什么Normalize()函数还需要输入mean和std的数值呢？
> 
> 疑问2： RGB单个通道的值不是\[0, 255\]吗？所以一个通道的均值应该在127附近才对。  
> 如果Normalize()函数按照下面的版式去计算 x = (x - mean)/std 因为RGB是\[0,  
> 255\]，算出来的x就不可能落在\[-1, 1\]区间了。
> 
> 疑问3： 可我看很多代码里面是这样的： torchvision.transforms.Normalize(mean=\[0.485,  
> 0.456, 0.406\], std=\[0.229, 0.224, 0.225\]) 这一组值是怎么来的？ 为什么这三个通道的均值都是小于1的值呢？
> 
> 1、 mean 和 std  
> 肯定要在normalize之前自己先算好再传进去的，不然每次normalize程序就得把所有的图片都读取一遍算这两个数…
> 
> 2、有两种情况： a)如果是imagenet数据集，那么ImageNet的数据在加载的时候就已经转换成了\[0, 1\].  
> b)应用了torchvision.transforms.ToTensor，其作用是 （ Converts a PIL Image or  
> numpy.ndarray (H x W x C) in the range \[0, 255\] to a torch.FloatTensor  
> of shape (C x H x W) in the range \[0.0, 1.0\] ）
> 
> 3、\[0.485, 0.456, 0.406\]这一组平均值是从imagenet训练集中抽样算出来的。

上面疑问2的b情况就解释了文章开头的那段代码。