PyTorch张量的反变换

在此之后，我在PyTorch培训了一名WGAN。因为我是在谷歌云平台上做的，而TensorBoard是不可用的，所以我会在每个历元保存一个GAN生成的图像，以查看GAN的实际情况

现在，保存的pdf文件如下所示：。不幸的是，这不是真正可读的，我怀疑这与我所做的预处理有关：

trafo = transforms.Compose(
                    [transforms.Resize(size = (64, 64)),
                    transforms.ToTensor(), 
                    transforms.Normalize( mean = (0.5,), std = (0.5,))]) 

在保存图像时，是否有任何方法可以撤消此转换

目前，我在每个历元保存图像，如下所示：

visualization = torchvision.utils.make_grid(
                           tensor = gen(fixed_noise), 
                           nrow = 8, 
                           normalize = False)
plt.savefig("generated_WGAN_" + datetime.now().strftime("%Y%m%d-%H%M%S") + ".pdf")

此外，我可能应该提到，在Jupyter笔记本中，我得到以下警告：

---

“使用RGB数据（[0..1]）将输入数据剪裁到imshow的有效范围（用于浮点或[0..255]用于整数）。”

您的输出像素值似乎在范围

[-1，1]

内（请验证）。
因此，当您保存图像时，负片部分将被剪裁（如您收到的错误消息所示）

尝试：

visualization=torchvision.utils.make_网格(
张量=火炬钳（发电机（固定噪声），-1,1）*0.5+0.5，#从[-1,1]->[0,1]
nrow=8，
正常化=错误）
plt.savefig（“生成的”+datetime.now（）.strftime（“%Y%m%d-%H%m%S”）+“.pdf”）

该函数通常用于标准化数据（使

平均值（数据）=0

和

std（x）=1

），而

标准化

选项on用于标准化给定范围的

[0,1]

之间的数据。所以不需要实现一个函数来解决这个问题

如果

True

，将图像移动到范围

（0，1）

，移动范围指定的最小值和最大值。默认值：

False

在这里，您希望在

0

和

1

之间进行规范化。给定张量

x

：

torchvision.utils.make_grid(x, nrow=8, normalize=True, range=(x.min(), x.max()))

以下是PyTorch的文档

---

回到你最初的问题，我应该提到，

torchvision.transform.Normalize（mean=0.5，std=0.5）

不会对数据进行

mean=0.5

和

std=0.5

转换。。。它也不会将其标准化为

mean=0

，

std=1

。您必须从数据集中测量平均值和标准差

torchvision.transform.Normalize

只执行移位缩放操作。要撤消该操作，请使用相同的值取消缩放取消移动：

>>> x = torch.rand(64, 3, 100, 100)*torch.rand(64, 1, 1, 1)
>>> x.mean(), x.std()
(tensor(0.2536), tensor(0.2175))

>>> t = T.Normalize(mean, std)
>>> t_inv = lambda x: x*std + mean

>>> x_after = t(x)
>>> x_after.mean(), x_after.std()
(tensor(-0.4928), tensor(0.4350))

>>> x_before = t_inv(x_after)
>>> x_before.mean(), x_before.std()
(tensor(0.2536), tensor(0.2175))

---

嘿，Shai，我认为你的代码中有一个小错误，因为你在代码中写了一条注释，希望从[-1，1]到[0，1]（是的，这确实是我最后的图像范围），但是你在最后写的是-0.5而不是+0.5。@HulioAlmedo谢谢你纠正我