Pytorch结合tensorboard展示图片问题

Q1：测试集使用了Imagenet推荐的标准化，导致图像不清楚

test_transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225])
])

ToTensor操作将(H,W,C)转化为了(C,H,W)
如果采用了这种标准化，显示的图片差异很大，因此在测试时需要将Normalize注释，但是注释之后是会影响准确率的，比如本来90的准确率会变成70。
因此需要寻求一种方法，由于取batch的时候数据是已经经过标准化了的，所以无法从内部操作中反标准化。
所以需要求解反归一化的式子，但是呢这些均值和方差都是小数，反求解后还能定义为他两是一样的图片吗。

import torchvision.utils as vutils
import tensorboardX

writer = tensorboardX.SummaryWriter("pic")
for _, batch in enumerate(tqdm(test_loader)):
    inputs, labels = batch
    grid = vutils.make_grid(inputs.cpu(), nrow=32)
    # 【CHW】-》【HWC】
    img = np.transpose(grid,(1,2,0))
    writer.add_image("imgs", img, _,dataformats='HWC')