onnx 模型中的 PyTorch 标准化

Question

我正在 pytorch 中进行图像分类，其中我使用了这个变换

transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])

并完成了训练。之后，我将 .pth 模型文件转换为 .onnx 文件

现在，在推理中，我应该如何在 numpy 数组中应用此转换，因为 onnx 处理 numpy 数组中的输入

Answer 1

你有几个选择。

由于自己编写标准化非常简单，

import numpy as np
mean = np.array([0.485, 0.456, 0.406]).reshape(-1,1,1)
std = np.array([0.229, 0.224, 0.225]).reshape(-1,1,1)
x_normalized = (x - mean) / std

因此您可以完全不需要 pytorch 或 torchvision 库。

如果您仍在使用 pytorch 数据集，您可以使用以下转换

transforms.Compose([
    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]),
    torch.Tensor.numpy  # or equivalently transforms.Lambda(lambda x: x.numpy())
])

，该转换只会将归一化应用于张量，然后将其转换为 numpy 数组。

Answer 2

您可以将相同的转换应用于np.array，例如示例。