transforms.Normalize
transforms.Normalize(mean, std, inplace=False)
功能:逐channel的对图像进行标准化
output = (input - mean)/ std
- mean: 各通道的均值
- std: 各通道的标准差
- inplace: 是否原地操作
调试
1、在my_dataset.py文件中RMBDataset类中的__getitem__(self, index)函数中的transforms语句上设置断点,并在主程序中进行debug
2、点击C按钮进入函数。
3、点击七次B按钮,运行到t=Normalize()。 在Normalize类中有mean和std,即均值和标准差,由于我们没有设置inplace操作,所以inplace=False
4、我们点击C按钮查看Normalize的实现。此时我们来到transforms.py文件中Normalize类中的__call__()函数,此处只有一行代码,它调用了我们的pytorch中functional中的normalize。
5、接下来我们继续点击C按钮查看F.normalize的实现。在该函数中,首先是输入的合法性判断,输入为Tensor,接着判断是否进行原地操作,如果不是,那么我们要对张量进行克隆复制,在新的内存空间中执行操作。接下来是获取均值和标准差并转换为张量的形式
。然后对我们的数据进行减去均值除以标准差,我们可以看到减法操作和除法操作都有下划线,表示inplace操作,直接在tensor上进行修改。这样我们就完成了数据标准化的操作。
6、回到主函数,我们继续往下运行,我们的input就是mean=0,std=1的数据分布。对数据进行标准化之后会加速模型的收敛。