mindspore.dataset.vision.Normalize

class mindspore.dataset.vision.Normalize(mean, std, is_hwc=True)[源代码]

根据均值和标准差对输入图像进行归一化。

此处理将使用以下公式对输入图像进行归一化：output[channel] = (input[channel] - mean[channel]) / std[channel]，其中 channel 代表通道索引，channel >= 1。

Note

此操作支持通过 Offload 在 Ascend 或 GPU 平台上运行。

参数：

  • mean (sequence) - 图像每个通道的均值组成的列表或元组。平均值必须在 [0.0, 255.0] 范围内。

  • std (sequence) - 图像每个通道的标准差组成的列表或元组。标准差值必须在 (0.0, 255.0] 范围内。

  • is_hwc (bool, 可选) - 表示输入图像是否为HWC格式，True为HWC格式，False为CHW格式。默认值：True。

异常：

  • TypeError - 如果 mean 不是sequence类型。

  • TypeError - 如果 std 不是sequence类型。

  • TypeError - 如果 is_hwc 不是bool类型。

  • ValueError - 如果 mean 不在 [0.0, 255.0] 范围内。

  • ValueError - 如果 std 不在 (0.0, 255.0] 范围内。

  • RuntimeError - 如果给定的tensor format不是<H, W>或<…,H, W, C>。

支持平台：

CPU

样例：

>>> decode_op = vision.Decode() ## Decode output is expected to be HWC format
>>> normalize_op = vision.Normalize(mean=[121.0, 115.0, 100.0], std=[70.0, 68.0, 71.0], is_hwc=True)
>>> transforms_list = [decode_op, normalize_op]
>>> image_folder_dataset = image_folder_dataset.map(operations=transforms_list,
...                                                 input_columns=["image"])