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) - 用于每个通道归一化的均值。

  • std (list|tuple) - 用于每个通道归一化的标准差值。

  • data_format (str, optional): 数据的格式,必须为 'HWC' 或 'CHW'。 默认值: 'CHW'。

  • to_rgb (bool, optional) - 是否转换为 rgb 的格式。默认值:False。

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 numpy as np
from PIL import Image
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 = Image.fromarray((np.random.rand(300, 320, 3) * 255.).astype(np.uint8))

fake_img = normalize(fake_img)
print(fake_img.shape)
# (300, 320, 3)
print(fake_img.max(), fake_img.min())
# 0.99215686 -1.0