本文主要是介绍transform.Normalize()用法后面参数为什么用（0.5，0.5，0.5）（0.5，0.5，0.5），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
https://classroom.udacity.com/nanodegrees/nd009-cn-advanced/parts/5f4d630c-d15a-412c-aaeb-b57ad61cd03c/modules/3aa9e812-62cd-4ae3-8fc4-593538f08455/lessons/9b014a97-2267-4f1b-af97-284b7dac2a58/concepts/7921d0d6-b19c-474e-b8fd-2379c69d75ed
均值和方差
normalize方法后的参数是根据什么来的，我看这个值大部分地方都用0.5，这个0.5不应是固定的吧，应根据训练图片集的数据的均值和方差实时调整的吧？
师：
是的，可以根据自己的数据集计算对应的均值和方差
那你可以试着优化一下这个
师：
结果应该会更好
师：
一般计算的均值和方差也是在0.5附近
生：
原来如此，谢谢解答!
总结：
经过上面normalize()的变换后变成了均值为0 方差为1（其实就是最大最小值为1和-1）
每个样本图像变成了均值为0 方差为1 的标准正态分布，这就是最普通（科学研究价值最大的）的样本数据了
解释完毕
这篇关于transform.Normalize()用法后面参数为什么用（0.5，0.5，0.5）（0.5，0.5，0.5）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
