transforms.normize返回值高于255 pytorch

Question

我正在使用视频数据集，将帧读为整数，然后将它们转换为numpy Array Float32。 加载后，它们出现在0到255之间的范围：

   [165., 193., 148.],
   [166., 193., 149.],
   [167., 193., 149.],
   ...

最后，将它们馈送到我的模型并堆叠框架，我进行了“ Totensor（）”加上我的转换[transforms.resiss.resize（224），转换。归一化（[[0.454，​​0.390，0.331]，[0.164，0.187，0.152]）]

，在这里进行转换和堆叠框架的代码：

res_vframes = []
for i in range(len(v_frames)):
    res_vframes.append(self.transforms((v_frames[i])))
res_vframes = torch.stack(res_vframes, 0)

问题是在变换后，值以这种方式出现，该值以这种方式出现，值高于255：

[tensor([[[1003.3293, 1009.4268, 1015.5244,  ..., 1039.9147, 1039.9147,
          1039.9147],...

对我缺少或做错事的想法？

Answer 1

torchvision.transforms.normalize的行为：

output[channel] = (input[channel] - mean[channel]) / std[channel]

由于上述方程式的左图的分子大于1，并且其分母小于1，因此计算值更大。

类TotenSor（）将张量的值映射到[0，1]，仅当满足某些条件时。从官方的Pytorch文档中检查此代码：

if isinstance(pic, np.ndarray):
        # handle numpy array
        if pic.ndim == 2:
            pic = pic[:, :, None]

        img = torch.from_numpy(pic.transpose((2, 0, 1))).contiguous()
        # backward compatibility
        if isinstance(img, torch.ByteTensor):
            return img.to(dtype=default_float_dtype).div(255)
        else:
            return img

因此，您需要明确分配张量或与上述条件相匹配。

Answer 2

您的标准化使用0-1和0-255之间的值。

您需要将输入帧更改为0-1，或者将标准化向量更改为0-255。

您可以在使用转换之前将框架除以255：

res_vframes = []
for i in range(len(v_frames)):
    res_vframes.append(self.transforms((v_frames[i]/255)))
res_vframes = torch.stack(res_vframes, 0)