onnx 模型中的 PyTorch 标准化

乘风 2年前 pytorch 464

原文标题 ：PyTorch normalization in onnx model

我在 pytorch 中进行图像分类，我使用了这个变换

transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])

并完成了培训。之后，我将 .pth 模型文件转换为 .onnx 文件

现在，在推理中，我应该如何在 numpy 数组中应用此转换，因为 onnx 处理 numpy 数组中的输入

原文链接：https://stackoverflow.com//questions/71477766/pytorch-normalization-in-onnx-model

回复

我来回复

jodag 评论
该回答已被采纳！

你有几个选择。

由于 normalize 编写自己的代码非常简单，因此您可以这样做
```
import numpy as np
mean = np.array([0.485, 0.456, 0.406]).reshape(-1,1,1)
std = np.array([0.229, 0.224, 0.225]).reshape(-1,1,1)
x_normalized = (x - mean) / std
```
它根本不需要 pytorch 或 torchvision 库。

如果您仍在使用 pytorch 数据集，则可以使用以下转换
```
transforms.Compose([
    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]),
    torch.Tensor.numpy  # or equivalently transforms.Lambda(lambda x: x.numpy())
])
```
它只会将规范化应用于张量，然后将其转换为 numpy 数组。
2年前 0条评论
teplandr 评论

例如，您可以将相同的transforms应用于 np.array。

2年前 0条评论