文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.dataset.vision.py_transforms.Normalize

class mindspore.dataset.vision.py_transforms.Normalize(mean, std)

使用指定的均值和标准差，标准化shape为(C, H, W)的输入numpy.ndarray图像。

$$outpu{t}_c=\frac{inpu{t}_c-mea{n}_c}{st{d}_c}$$

Note

输入图像的像素值需要在[0.0, 1.0]范围内。否则，请先调用 mindspore.dataset.vision.py_transforms.ToTensor 进行转换。

参数：

• mean (Union[float, Sequence[float]]) - 各通道的像素均值，取值范围为[0.0, 1.0]。若输入float，将为每个通道应用相同的均值；若输入Sequence[float]，长度应与通道数相等，且对应通道顺序进行排列。

• std (Union[float, Sequence[float]]) - 各通道的标准差，取值范围为(0.0, 1.0]。若输入float，将为每个通道应用相同的标准差；若输入Sequence[float]，长度应与通道数相等，且对应通道顺序进行排列。

异常：

• TypeError - 当输入图像的类型不为 numpy.ndarray 。

• TypeError - 当输入图像的维度不为3。

• NotImplementedError - 当输入图像的像素值类型为int。

• ValueError - 当 mean 与 std 的长度不相等。

• ValueError - 当 mean 或 std 的长度即不等于1，也不等于图像的通道数。

支持平台：

CPU

样例：

>>> from mindspore.dataset.transforms.py_transforms import Compose
>>>
>>> transforms_list = Compose([py_vision.Decode(),
...                            py_vision.RandomHorizontalFlip(0.5),
...                            py_vision.ToTensor(),
...                            py_vision.Normalize((0.491, 0.482, 0.447), (0.247, 0.243, 0.262))])
>>> # apply the transform to dataset through map function
>>> image_folder_dataset = image_folder_dataset.map(operations=transforms_list,
...                                                 input_columns="image")