火炬cifar10图像未标准化

Question

transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

trainset = torchvision.datasets.CIFAR10(root='./data', train=True,
                                        download=True, transform=transform)
  
trainset.data[0]

我正在使用上述代码，并期望数据将标准化。但事实并非如此，下面是结果。我需要使用数据方法访问数据来进行更多的处理。产出低于。

array([[[ 59,  62,  63],
        [ 43,  46,  45],
        [ 50,  48,  43],
        ...,
        [158, 132, 108],
        [152, 125, 102],
        [148, 124, 103]],

Answer 1

torchvision.transforms.Normalize仅仅是一个移位的算子.给定参数mean ( "shift")和std ( "scale")，它将将输入映射到(input - shift) / scale。

由于您在所有三个通道上都使用mean=0.5和std=0.5，所以be (input - 0.5) / 0.5的结果只有在它的统计量实际上是mean=0.5和std=0.5 (当然不是这样)时才能使您的数据规范化。

考虑到这一点，您应该做的是提供实际数据集的统计信息。例如，对于CIFAR10，可以找到这里

mean = [0.4914, 0.4822, 0.4465]
std = [0.2470, 0.2435, 0.2616]

有了这些值，您将能够正确地将数据规范化为mean=0和std=1。

我写了一个更一般的，长形式的答案，https://stackoverflow.com/questions/68874807/how-to-do-normalization-in-cnn/68876047#68876047。