MNIST 代码解析（3）构建pipline

2024-03-21 13:58:54

首先来看代码

#构造通道
pipeline = transforms.Compose([
  transforms.ToTensor(),
  transforms.Nomalize((0.1307,),(0.3081,))
])

这段代码使用了Pytorch库中的transforms模块定义了一个数据预处理流程，这个流程包含了两个步骤：ToTensor和Normalize。这种预处理流程通常用于图像数据的处理，特别是在训练神经网络模型的时候。

1. transforms.ToTensor()
   功能：这个转换操作将PIL图像或NumPyndarray转换为torch.Tensor。在PyTorch中，Tensor是一个多维数组，用于存储和操作数据，类似于NumPy的ndarray，但它还可以在GPU上运行以加速计算。
   细节：在转换过程中，图像的数据类型会从int8（取值范围0-255）转换为float32（浮点数），并且每个像素值会被标准化到[0,1]的范围内。这意味着原始的像素值255（表示白色）会变成1.0，像素值0（表示黑色）会变成0.0。

2. transforms.Normalize((0.1307,),(0.3081,))
   功能：这个操作对张量图像进行标准化处理。标准化是将数据按比例缩放，使之落入一个小的特定区间。这在神经网络中非常重要，因为它有助于加快训练过程，减少模型初始化对模型训练结果的影响。
   细节：

• 第一个参数(0.1307,)是每个通道的均值。在这个例子中，我们假设图像是灰度的（只有一个通道），所以只有一个元素。这个值是用于将图像数据的每个通道中心化（即减去均值）。
• 第二个参数(0,3081,)是每个通道的标准差。这同样假设图像是灰度的。这个值用于缩放图像数据，使得每个通道的数据分布具有单位标准差。
• 通过这种方式，图像数据会被进一步标准化，有助于模型学习和泛化。

如果图像不是灰度的，会有什么变化？

如果图像不是灰度的，而是彩色的（通常是RGB三通道）

transforms.Normalize操作的参数需要相应地调整以适应每个通道。对于RGB图像，你需要为每个通道指定一个标准差和均值，于是现在参数将是三个元素的元组，而不是单一元素的元组。

彩色图像的transforms.Normalize

对于彩色图像，transforms.Normalize的调用可能看起来像这样：

transforms.Noramlize((mean_R, mean_G, mean_B),(std_R, std_G, std_B))

可以知道的是：
(mean_R, mean_G, mean_B)是RGB三个通道的均值。这些值用于将每个通道的数据中心化。
(std_R, std_G, std_B)是RGB三个通道的标准差。这些值用于缩放每个通道的数据，使得每个通道的数据分布具有单位标准差。