pytorch 归一化与反归一化实例
ToTensor中就有转到0-1之间了。
#-*-coding:utf-8-*-
importtime
importtorch
fromtorchvisionimporttransforms
importcv2
transform_val_list=[
#transforms.Resize(size=(160,160),interpolation=3),#Image.BICUBIC
transforms.ToTensor(),
transforms.Normalize([0.485,0.456,0.406],[0.229,0.224,0.225])
]
trans_compose=transforms.Compose(transform_val_list)
if__name__=='__main__':
std=[0.229,0.224,0.225]
mean=[0.485,0.456,0.406]
path="d:/2.jpg"
data=cv2.imread(path)
t1=time.time()
x=trans_compose(data)
x[0]=x[0]*std[0]+mean[0]
x[1]=x[1]*std[1]+mean[1]
x[2]=x[2].mul(std[2])+mean[2]
img=x.mul(255).byte()
img=img.numpy().transpose((1,2,0))
#torch.set_num_threads(3)
#img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
cv2.imshow("sdf",img)
cv2.waitKeyEx()
这个测试时间：归一化与反归一化都需要7ms左右，
但是在多路摄像头中，可能比较慢。
std=[0.229,0.224,0.225]
mean=[0.485,0.456,0.406]
path="d:/2.jpg"
data=cv2.imread(path)
t1=time.time()
start=time.time()
x=trans_compose(data)
print("gui",time.time()-start)
foriinrange(10):
start=time.time()
foriinrange(len(mean)):
#x[i]=x[i]*std[i]+mean[i]
x[i]=x[i].mul(std[i])+mean[i]
img=x.mul(255).byte()
img=img.numpy().transpose((1,2,0))
print("fan",time.time()-start)
#torch.set_num_threads(3)
#img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
cv2.imshow("sdf",img)
cv2.waitKeyEx()
以上这篇pytorch归一化与反归一化实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。