本文共 845 字，大约阅读时间需要 2 分钟。

transform = transforms.Compose([ transforms.ToTensor(),    transforms.Normalize(mean=(0.5, 0.5, 0.5), std=(0.5, 0.5, 0.5)) ])

ToTensor的作用：另外一个作用就是将数据全部归一化到了（0,1）

Convert a ``PIL Image`` or ``numpy.ndarray`` to tensor.Converts a PIL Image or numpy.ndarray (H x W x C) in the range[0, 255] to a torch.FloatTensor of shape (C x H x W) in the range [0.0, 1.0]."""

 既然上述函数已经归一化了，为什么后面一般还要接一个归一化呢？

Normalize：作用就是继续调整，使数据均值靠近0，偏差就靠近0。在上面的处理还有一个作用是将数据范围变到（-1,1）

"""Normalize a tensor image with mean and standard deviation.Given mean: ``(M1,...,Mn)`` and std: ``(S1,..,Sn)`` for ``n`` channels, this transformwill normalize each channel of the input ``torch.*Tensor`` i.e.``input[channel] = (input[channel] - mean[channel]) / std[channel]``

 最重要的是：数据分布在(0,1）之间，可能实际的bias（可以理解为我们的参数b）会比较大，而我们的模型初始化b=0，那么要达到实际的bias大小就比较慢，如果经过调整使实际bias大小减少，就是说靠近原点，那么就能加快收敛。

转载地址：https://blog.csdn.net/zz2230633069/article/details/88353122 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！