normalize

ize（）⽤法+后⾯参数为什么⽤

（0.5，0.5，0.5）。。。

ize():⽤均值和标准差对张量图像进⾏归⼀化

经常看到

or(),

ize((0.5,0.5,0.5),(0.5,0.5,0.5))

那ize()是怎么⼯作的呢？以上⾯代码为例，

ToTensor()能够把灰度范围从0-255变换到0-1之间，ToTensor()将shape为(H,W,C)的y或img转为shape为(C,H,

W)的tensor，其将每⼀个数值归⼀化到[0,1]，其归⼀化⽅法⽐较简单，直接除以255即可

ize(std=(0.5,0.5,0.5),mean=(0.5,0.5,0.5))，则其作⽤就是先将输⼊归⼀化到(0,1)，再使⽤公式"(x-mean)/std"，

将每个元素分布到(-1,1)

具体地说，对每个通道⽽⾔，Normalize执⾏以下操作：

image=(image-mean)/std

其中mean和std分别通过(0.5,0.5,0.5)和(0.5,0.5,0.5)进⾏指定。原来的0-1最⼩值0则变成(0-0.5)/0.5=-1，⽽最⼤值1则变成(1-

0.5)/0.5=1.

可我看很多代码⾥⾯是这样的：

ize(mean=[0.485,0.456,0.406],std=[0.229,0.224,0.225])

这⼀组值是怎么来的？这⼀组值是从imagenet训练集中抽样算出来的。

总结：

经过上⾯normalize()的变换后变成了均值为0⽅差为1（其实就是最⼤最⼩值为1和-1）

每个样本图像变成了均值为0⽅差为1的标准正态分布，这就是最普通（科学研究价值最⼤的）的样本数据了