pytorch中tensor去标准化

最新推荐文章于 2024-12-03 00:00:00 发布

PANZER丿

最新推荐文章于 2024-12-03 00:00:00 发布

阅读量351

点赞数 1

CC 4.0 BY-SA版权

文章标签： pytorch 人工智能 python

本文链接：https://blog.youkuaiyun.com/qq_45634934/article/details/131977174

文章介绍了在PyTorch中如何对图像数据进行标准化操作，以及在需要查看原始图像时如何执行去标准化。通过使用`transforms.Normalize`进行标准化，然后通过乘以标准差和加上均值来恢复原始像素值。最后，将处理后的数组转换回PILImage并保存为图片。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

pytorch中tensor去标准化

有时候我们在训练网络的时候会在数据预处理中加入标准化操作Normalize，这时如果我们在网络中要查看输入的图片，就会发现图片失真，这是因为标准化操作改变了图片原有的像素值，如果需要恢复到原图片，就需要去标准化操作。

transform_picture = torchvision.transforms.Compose([
    torchvision.transforms.ToTensor(), # 转换成Tensor格式
    torchvision.transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)),
]) #在数据预处理里进行了标准化操作

mean = [0.485, 0.456, 0.406]
std = [0.229, 0.224, 0.225]

numpy_array = x[0].cpu().numpy()
numpy_array = numpy_array
numpy_array[0] = numpy_array[0] * std[0] + mean[0]  # 数据去归一化
numpy_array[1] = numpy_array[1] * std[1] + mean[1]
numpy_array[2] = numpy_array[2] * std[2] + mean[2]
pil_image = Image.fromarray((numpy_array * 255).astype('uint8').transpose((1, 2, 0))) 
#totensor操作会把像素值放缩到0-1之间，因此在这里乘以255还原成原像素值
pil_image.save('./img.jpg')