关于pytorch:transforms机制与数据标准化

文章和代码曾经归档至【Github 仓库：https://github.com/timerring/dive-into-AI】或者公众号【AIShareLab】回复 pytorch 教程 也可获取。

图像预处理 transforms

transforms 运行机制

torchvision：计算机视觉工具包

• torchvision.transforms

  罕用的图像预处理办法，例如：

  • 数据中心化
  • 数据标准化
  • 缩放
  • 裁剪
  • 旋转
  • 翻转
  • 填充
  • 噪声增加
  • 灰度变换
  • 线性变换
  • 仿射变换
  • 亮度、饱和度及对比度变换

• torchvision.datasets

  罕用数据集的 dataset 实现，MNIST CIFAR 10 ImageNet 等

• torchvision.model

  罕用的模型预训练，AlexNet VGG ResNet GoogLeNet 等

transforms 运行的机制

数据标准化 transforms.normalize

transforms.Normalize

标准化的含意是将数据的均值变为 0，标准差变为 1。

性能：逐 channel 的对图像进行标准化

output = (input – mean) / std

• mean：各通道的均值
• std：各通道的标准差
• inplace：是否原地操作

对数据进行标准化后能够放慢模型的收敛。通过比拟不同的试验后果可知，一个好的数据分布更加利于模型的整体收敛。