pytorch 标准化

在 PyTorch 中进行标准化可以通过以下步骤实现：

1. 导入必要的库：

import torch
from torchvision import datasets, transforms

2. 定义数据集的转换操作，其中包括标准化操作：

transform = transforms.Compose([
    transforms.ToTensor(),  # 将图像转换为张量
    transforms.Normalize((0.5,), (0.5,))  # 标准化操作
])

这里使用了`Normalize`函数来进行标准化，`(0.5,)`表示均值，`(0.5,)`表示标准差。这样可以将图像的像素值标准化到范围[-1, 1]之间。

3. 加载数据集时应用转换操作：

trainset = datasets.MNIST('~/.pytorch/MNIST_data/', train=True, download=True, transform=transform)
testset = datasets.MNIST('~/.pytorch/MNIST_data/', train=False, download=True, transform=transform)

trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True)
testloader = torch.utils.data.DataLoader(testset, batch_size=64, shuffle=True)

这样，在训练和测试过程中，输入的图像数据会自动进行标准化处理。