torchvision中给出的归一化方法transforms.Normalize()的形参理解与坑

在PyTorch团队专门开发的视觉工具包torchvision中，提供了常见的数据预处理操作，封装在transforms类中。
transforms类涵盖了大量对Tensor和对PIL Image的处理操作，其中包含了对张量进行归一化的transforms.normalize()函数，它的形参包括mean、std等，其手册中对函数和源码的介绍如下图：

需要注意的坑是：
这里的mean和std并不是指最终归一化的结果，而是作为一个运算变量，在上图中已经提到：

input[channel] = (input[channel] - mean[channel]) / std[channel]

打个比方，我们在代码中常常见到以下代码块

transforms.ToTensor()
transforms.Normalize( mean = (0.5,0.5,0.5), std = (0.5,0.5,0.5) )

这块代码第一句将图像数据转换成了张量，并且归一化到了[0,1]。
那么transforms.Normalize( mean = (0.5,0.5,0.5), std = (0.5,0.5,0.5) )并不是指将张量的均值和标准差设为0.5，而是做这么一个运算：输入的每个channel做 ( [0, 1] - mean（0.5) )/ std（0.5）= [-1, 1] 的运算，所以这一句的实际结果是将[0，1]的张量归一化到[-1, 1]上。