PyTorch 中的Normalize

最新推荐文章于 2024-06-01 16:52:33 发布

lzfshub

最新推荐文章于 2024-06-01 16:52:33 发布

阅读量2.2k

点赞数

分类专栏： PyTorch

本文链接：https://blog.csdn.net/weixin_40511249/article/details/119517012

版权

PyTorch 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

该博客介绍了如何使用PyTorch的`transforms.Normalize`对图像数据进行归一化处理，通过计算通道均值和方差，然后应用公式(output[channel] = (input[channel] - mean[channel]) / std[channel])进行转换。示例代码展示了从读取图像到应用归一化，再到反归一化的完整过程。

摘要由CSDN通过智能技术生成

PyTorch 中的Normalize

公式为：

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

实例：

import numpy as np 
import cv2.cv2 as cv 
import os
import torch
from torch import random
from torchvision import transforms
import torchvision
src = cv.imread(r'code/test.jpg')
cv.imshow('src', src)
src = torch.from_numpy(src).float()/256

mean_b, var_b = torch.mean(src[:, :, 0]), torch.var(src[:, :, 0])
mean_g, var_g = torch.mean(src[:, :, 1]), torch.var(src[:, :, 1])
mean_r, var_r = torch.mean(src[:, :, 2]), torch.var(src[:, :, 2])
src = torch.swapdims(src, 0, 2)
src = torch.swapdims(src, 1, 2)
transform = transforms.Compose([
    transforms.Normalize((mean_b, mean_g, mean_r), (var_b, var_g, var_r))
])
dst = transform(src)
dst = torch.swapdims(dst, 0, 2)
dst = torch.swapdims(dst, 0, 1).numpy()
dst = (dst/(np.max(dst) - np.min(dst)) + 1)/2
print(dst)
cv.imshow('test', dst)
cv.waitKey(0)