transforms.ToTensor()归一化后，我想把归一化后的数据再转为归一化之前的数据需要怎么操作

如果你使用的是PyTorch中的`transforms.ToTensor()`函数将数据归一化至[0, 1]范围内，那么可以使用以下公式将归一化后的数据x还原至原始数据y：

y = x * std + mean

其中，`std`是数据的标准差，`mean`是数据的均值。这些统计量需要在归一化前提前计算好，并在归一化后保存下来以便还原数据。如果你使用的是`torchvision`中的预置数据集，可以通过以下代码获取到这些统计量：

import torchvision.transforms as transforms
import torchvision.datasets as datasets

# 加载训练集数据
train_dataset = datasets.CIFAR10(root='./data', train=True, download=True,
                                 transform=transforms.Compose([
                                     transforms.ToTensor(),
                                 ]))

# 计算训练集数据的均值和标准差
train_mean = train_dataset.data.mean(axis=(0, 1, 2)) / 255
train_std = train_dataset.data.std(axis=(0, 1, 2)) / 255

这里以CIFAR-10数据集为例，计算得到的`train_mean`和`train_std`可以用于还原训练集和测试集数据。