Python 如何在Pytork中应用合成张量变换
我想用pyTorch规范化MNIST数据集。 我用来加载数据集的代码是:Python 如何在Pytork中应用合成张量变换,python,normalization,tensor,torch,Python,Normalization,Tensor,Torch,我想用pyTorch规范化MNIST数据集。 我用来加载数据集的代码是: mnist_train = datasets.MNIST(data_dir, download=True, train=True, transform=transforms.ToTensor()) 然后我必须计算平均值和标准偏差: meanarray = np.zeros(60000) stdarray = np.zeros(60000) for i in range(len(mnist_train)): me
mnist_train = datasets.MNIST(data_dir, download=True, train=True, transform=transforms.ToTensor())
然后我必须计算平均值和标准偏差:
meanarray = np.zeros(60000)
stdarray = np.zeros(60000)
for i in range(len(mnist_train)):
meanarray[i] = torch.mean(mnist_train[i][0])
stdarray[i] = torch.std(mnist_train[i][0])
mean = meanarray
std = stdarray
然后我给出了撰写的代码:
mnist_transforms = transforms.Compose([transforms.ToTensor(), transforms.Normalize((mean,), (std,))])
但现在我的问题是,如何将此转换应用于我的数据集?我知道Normalize类中有一个“forward”函数可以完成这项工作。但是我不知道怎么称呼它