Pytorch训练集/测试集标准化问题

Q1：图像增广中的Normalize是否都需要用使用

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

train_transform = transforms.Compose([
    transforms.Resize(32),
    transforms.RandomResizedCrop(28),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225])
])
test_transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485, 0.456, 0.406],std=[0.229, 0.224, 0.225])
])

因此测试了以下四种情况

情况1.训练集（×）测试集（×）

trian acc: 0.92

val acc: 0.91

test acc:0.90

情况2.训练集（√）测试集（×）

trian acc: 0.93

val acc: 0.83

test acc:0.81

情况3.训练集（×）测试集（√）

trian acc: 0.93

val acc: 0.81

test acc:0.80

情况4.训练集（√）测试集（√）

trian acc: 0.93

val acc: 0.93

test acc: 0.91

从结果曲线上来看，同时进行标准化/非标准化效果会更好，震荡的幅度不会很大，并且加上该操作是能一定上提高准确率的