Machine learning Pytorch变换库解释_Machine Learning_Deep Learning_Pytorch

Machine learning Pytorch变换库解释

machine-learning deep-learning pytorch

Machine learning Pytorch变换库解释,machine-learning,deep-learning,pytorch,Machine Learning,Deep Learning,Pytorch,transforms.Normalize（[0.5]*3[0.5]*3）有人能帮我理解这是什么以及它是如何工作的吗？您有规范化转换的文档。它说：用平均值和标准差标准化张量图像。对于n通道，给定平均值：（平均值[1]，…，平均值[n]）和标准值：（标准值[1]，…，标准值[n]），此转换将规范化输入火炬的每个通道。张量即，输出[channel]=（输入[channel]-平均值[channel]）/std[channel 因此，在您的例子中，您正在使用mean=std=[0.5,0.5,0.5]

transforms.Normalize（[0.5]*3[0.5]*3）

有人能帮我理解这是什么以及它是如何工作的吗？

您有

规范化转换的文档。它说：用平均值和标准差标准化张量图像。对于n
通道，给定平均值：（平均值[1]，…，平均值[n]）
和标准值：（标准值[1]，…，标准值[n]）
，此转换将规范化输入火炬的每个通道。张量
即，输出[channel]=（输入[channel]-平均值[channel]）/std[channel

因此，在您的例子中，您正在使用mean=std=[0.5,0.5,0.5]
构造一个Normalize
变换。这意味着您需要一个具有3个通道的输入，并且对于每个通道，您希望使用函数进行规范化
x -> (x-0.5)/0.5 = 2x-1

您有规范化
转换的文档。它说：用平均值和标准差标准化张量图像。对于n
通道，给定平均值：（平均值[1]，…，平均值[n]）
和标准值：（标准值[1]，…，标准值[n]）
，此转换将规范化输入火炬的每个通道。张量
即，输出[channel]=（输入[channel]-平均值[channel]）/std[channel

因此，在您的例子中，您正在使用mean=std=[0.5,0.5,0.5]
构造一个Normalize
变换。这意味着您需要一个具有3个通道的输入，并且对于每个通道，您希望使用函数进行规范化
x -> (x-0.5)/0.5 = 2x-1

您可以格式化代码以提高可读性吗？您可以格式化代码以提高可读性吗？