0. 往期内容

[一]深度学习Pytorch-张量定义与张量创建

[二]深度学习Pytorch-张量的操作：拼接、切分、索引和变换

[三]深度学习Pytorch-张量数学运算

[四]深度学习Pytorch-线性回归

[五]深度学习Pytorch-计算图与动态图机制

[六]深度学习Pytorch-autograd与逻辑回归

[七]深度学习Pytorch-DataLoader与Dataset(含人民币二分类实战)

[八]深度学习Pytorch-图像预处理transforms

[九]深度学习Pytorch-transforms图像增强(剪裁、翻转、旋转)

[十]深度学习Pytorch-transforms图像操作及自定义方法

1. torchvision

2. transforms运行机制

3. transforms.Normalize(mean, std, inplace = False)

(1)功能：逐个channel对图像进行标准化(均值为0，标准差为1)，output=(input-mean)/std；
(2)参数：
mean:各通道的平均值，list；
std:各通道的标准差，list；
inplace:是否进行现场作业；
(3)注意：
归一化操作可以加快模型的收敛速度；
(4)代码示例：

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