函数功能

normalize函数用于对图像进行标准化，把数据转换到标准正态分布的数据集中，以加快模型的收敛。

函数接口

torchvision.transforms.normalize(mean,std,inplace=False)  

参数

参数名	描述	取值范围	输入/输出
mean	一个序列，包含每个通道的均值。	[0, inf)	输入
std	一个序列，包含每个通道的标准差。	(0, inf)	输入
inplace	bool型参数，默认值为false，表示在原地操作。	bool	输入

返回值

成功：返回KP_PT_STS_NO_ERR。
失败：返回错误码。

错误码

错误码	描述
KP_PT_STS_NULL_PTR_ERR	指针内存分配错误。
KP_PT_STS_SIZE_ERR	输入的图片规格错误。

示例

import numpy as np
from torchvision import transforms

src = np.array([[0, 0, 0, 0, 0],
                 [0, 1, 1, 1, 0],
                 [0, 1, 0, 1, 0],
                 [0, 1, 1, 1, 0],
                 [0, 0, 0, 0, 0]], dtype=np.float32)


# 定义均值和标准差
mean = 0.5 
std = 0.5

transf = transforms.Compose(
    [   transforms.ToTensor(),
        transforms.Normalize(mean, std)
    ]
)
normalized = transf(src)
print(normalized)

运行结果：

tensor([[[-1., -1., -1., -1., -1.],
         [-1.,  1.,  1.,  1., -1.],
         [-1.,  1., -1.,  1., -1.],
         [-1.,  1.,  1.,  1., -1.],
         [-1., -1., -1., -1., -1.]]])