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)
文章出处登录后可见!
已经登录?立即刷新