模型转换中的数据校准处理

应用开发 算法工具链
,
1

问题描述

如果原始模型的在推理时 需要做如下前处理，

#pytorch
# 输入图片为RGB
transform = Compose([
        ToPILImage(),
        Resize([512, 512]),
        ToTensor(),
        Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])]
        )

那么在做校准时的前处理时，是否需要将图片转换为 RGB,在接着处理均值方差，归一化。

看例程的疑问点：-
这里减去均值也没体现，而且乘255后（0255），数据范围不也和推理时输入的范围（01 或者-1 ~1）不一致了么

image.png
image.png1214×756 0 Bytes
image.png

2

您好，均值、方差、归一化都是配置在yaml文件中的，mean表示均值，scale中包括了方差和归一化，这样实现的目的是将均值、方差、归一化放在一个预处理conv节点中加速实现，其实现过程如下图所示，255mean就是yaml中的mean，1/(255std)就是yaml中的scale。

J5用户，我们有技术支持一对一哦~

3

谢谢您的回复，那么我在模型转换，准备校准数据的时候，需要对校准数据做归一化么。

4

请问，如果是通过img*(1/img.max())除以最大值实现的归一化，该怎样设置yaml中的scale和mean

5

在yaml中配置后，准备校准数据时，不再需要对校准数据做归一化。-

上面图片失效了，下面重新给出：