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 (int|float|list|tuple，可选) - 用于每个通道归一化的均值。

  • std (int|float|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
>>> paddle.seed(2023)

>>> 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())
0.99999464 -0.9999929