PyTorch——图像预处理——标准化（一）

图像标准化

input：输入的图像像素值

mean(input)：输入图像像素的均值

std(input)：输入图像像素的标准差

将原始数据映射到均值为0、标准差为1的分布上

y = (x - mean)/σ ：基于原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化，经过处理的数据符合标准正态分布，即均值为0，标准差为1

为什么要标准化/归一化

提升模型精度：

标准化/归一化后，不同维度之间的特征在数值上有一定比较性，可以大大提高分类器的准确性。

加速模型收敛：

标准化/归一化后，最优解的寻优过程明显变得平缓，更容易正确的收敛到最优解。

如下图所示：

代码

import torchvision.transforms as transforms
from PIL import Image
import numpy as np

img_path = "./4.jpg"

transform = transforms.Compose([
    # [0, 255] ——> [0, 1]
    transforms.ToTensor(),
    # ImageNet
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])
    ])

img = Image.open(img_path)
# [H, W, C] ——> [C, H, W]
image = transform(img)
# tensor ——> numpy
image = image.numpy()
# [C, H, W] ——> [H, W, C]
image = np.transpose(image, (1, 2, 0))
print(image)