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：

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