pytorch 归一化张量

在PyTorch中，归一化张量是将张量的数值范围缩放到特定范围内的一种操作。常见的归一化方法有两种：最大最小归一化和标准化。

1. 最大最小归一化（Min-Max Normalization）：将张量的数值范围缩放到[0, 1]之间。具体操作如下：
- 找到张量的最小值min_val和最大值max_val。
- 对于张量中的每个元素x，使用公式进行归一化：(x - min_val) / (max_val - min_val)。

2. 标准化（Standardization）：将张量的数值范围缩放到均值为0，标准差为1的正态分布中。具体操作如下：
- 计算张量的均值mean和标准差std。
- 对于张量中的每个元素x，使用公式进行标准化：(x - mean) / std。

PyTorch提供了torch.nn.functional模块中的函数来实现归一化操作。例如，使用torch.nn.functional.normalize函数可以对张量进行标准化。