Python mxnet.gluon.data.vision.transforms.Normalize用法及代碼示例

用法: class mxnet.gluon.data.vision.transforms.Normalize(mean=0.0, std=1.0)

參數：

mean：(float or tuple of floats) - 平均值。
std：(float or tuple of floats) - 標準偏差值。

基礎：mxnet.gluon.block.HybridBlock

使用均值和標準偏差對形狀 (C x H x W) 或 (N x C x H x W) 的張量進行歸一化。

給定 n 通道的均值 (m1, …, mn) 和 std (s1, …, sn)，此變換將輸入張量的每個通道歸一化為：

output[i] = (input[i] - mi) / si

如果 mean 或 std 是標量，則相同的值將應用於所有通道。

輸入：

data：：具有 (C x H x W) 或 (N x C x H x W) 形狀的輸入張量。

輸出：

out：：輸出張量，形狀為data.

例子：

>>> transformer = transforms.Normalize(mean=(0, 1, 2), std=(3, 2, 1))
>>> image = mx.nd.random.uniform(0, 1, (3, 4, 2))
>>> transformer(image)
[[[ 0.18293785  0.19761486]
  [ 0.23839645  0.28142193]
  [ 0.20092112  0.28598186]
  [ 0.18162774  0.28241724]]
 [[-0.2881726  -0.18821815]
  [-0.17705294 -0.30780914]
  [-0.2812064  -0.3512327 ]
  [-0.05411351 -0.4716435 ]]
 [[-1.0363373  -1.7273437 ]
  [-1.6165586  -1.5223348 ]
  [-1.208275   -1.1878313 ]
  [-1.4711051  -1.5200229 ]]]
<NDArray 3x4x2 @cpu(0)>

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.gluon.data.vision.transforms.Normalize。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。