torch标准化_PyTorch 学习笔记（二）：PyTorch的数据增强与数据标准化

在实际应用过程中，我们会在数据进入模型之前进行一些预处理，例如数据中心化(仅减均值)，数据标准化(减均值，再除以标准差)，随机裁剪，旋转一定角度，镜像等一系列操作。PyTorch有一系列数据增强方法供大家使用，下面将介绍这些方法。

在PyTorch中，这些数据增强方法放在了transforms.py文件中。这些数据处理可以满足我们大部分的需求，通过熟悉transforms.py，以及1.4节中的内容，我们也可以自定义数据处理函数，实现自己的数据增强。

在本小节，从宏观地介绍transform的使用，在下一小节，将会详细介绍transform的所有操作。

transform的使用

请查看/Code/main_trainingmain.py中代码：

normMean = [0.4948052, 0.48568845, 0.44682974]

normStd = [0.24580306, 0.24236229, 0.2603115]

normTransform = transforms.Normalize(normMean, normStd)

trainTransform = transforms.Compose([

transforms.Resize(32),

transforms.RandomCrop(32, padding=4),

transforms.ToTensor(),

normTransform

])

validTransform = transforms.Compose([

transforms.ToTensor(),

no