Tensorflow 在torchvision.models.resnet34中培训resnet预训练模型时，Pytork如何处理ImageNet中的图像？

我在torchvision.models中下载了resnet34的预训练参数，并将其放入tensorflow1.X网络，但在ImageNet2015验证集（50000张图片）上仅获得58%的准确率测试

我想这可能是由于对数据集的不同处理方法造成的。我使用的验证是由我的朋友处理的TFRecord格式

所以我想知道在训练resnet34预训练模型时，Pytorch如何处理ImageNet的图像？将RGB转为BGR？将图片值缩放到0--1？

从：

所有预先训练的模型都期望以相同的方式对输入图像进行归一化，即小批量的3通道RGB形状图像（3 x H x W），其中H和W预计至少为224。图像必须加载到[0,1]的范围内，然后使用

mean=[0.485,0.456,0.406]

和

std=[0.229,0.224,0.225]

进行归一化。可以使用以下变换进行规格化：

normalize = transforms.Normalize(mean=[0.485, 0.456, 0.406],
                                 std=[0.229, 0.224, 0.225])```

---

用于预处理ImageNet数据的文档链接。

非常感谢兄弟！我打印并检查了TF_记录图像，发现值介于-1到1之间，但我仍然不知道tensorflow processing Imagnet如何获得这种格式，您有什么想法吗？请提出一个新问题，并提供用于加载ImageNet的代码以及有关特定TFRecords实现的必要详细信息。