pytorch 数据集归一化 代码

以下是使用 PyTorch 进行数据集归一化的示例代码：

import torchvision.transforms as transforms

# 定义数据预处理的操作，包括归一化
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))
])

# 加载数据集并应用预处理操作
trainset = torchvision.datasets.MNIST(root='./data', train=True,
                                      download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64,
                                          shuffle=True, num_workers=2)

在上面的代码中，我们使用 `transforms.Normalize` 进行数据集归一化，传入的参数 `(0.5,)` 和 `(0.5,)` 分别表示数据集在每个通道上的均值和标准差。在这个例子中，我们只有一个通道（灰度图像），所以只有一个值。

在实际使用中，你需要根据你的数据集的特点来确定正确的均值和标准差。你可以先将数据集加载到内存中，然后计算每个通道上的均值和标准差，然后将这些值传递给 `Normalize` 函数。