Normalize¶
- class paddle.vision.transforms. Normalize ( mean=0.0, std=1.0, data_format='CHW', to_rgb=False, keys=None ) [源代码] ¶
用均值和标准差归一化输入数据。给定 n 个通道的均值(M1,...,Mn)和方差(S1,..,Sn),Normalize 会在每个通道归一化输入数据。output[channel] = (input[channel] - mean[channel]) / std[channel]
参数¶
mean (list|tuple,可选) - 用于每个通道归一化的均值。
std (list|tuple,可选) - 用于每个通道归一化的标准差值。
data_format (str,可选) - 数据的格式,必须为 'HWC' 或 'CHW'。 默认值为 'CHW'。
to_rgb (bool,可选) - 是否转换为
rgb
的格式。默认值为 False。keys (list[str]|tuple[str],可选) - 与
BaseTransform
定义一致。默认值为 None。
形状¶
img (PIL.Image|np.ndarray|paddle.Tensor) - 输入的图像数据,数据格式为'HWC'。
output (PIL.Image|np.ndarray|Paddle.Tensor) - 返回归一化后的图像数据。
返回¶
计算 Normalize
的可调用对象。
代码示例¶
import paddle
from paddle.vision.transforms import Normalize
normalize = Normalize(mean=[127.5, 127.5, 127.5],
std=[127.5, 127.5, 127.5],
data_format='HWC')
fake_img = paddle.rand([300,320,3]).numpy() * 255.
fake_img = normalize(fake_img)
print(fake_img.shape)
# (300, 320, 3)
print(fake_img.max(), fake_img.min())
# 0.99999905 -0.999974