Question

下面的代码：

ux = torch.tensor(np.array([[255,1,255],[255,1,255]])).float()

print(ux)

ux = F.normalize(ux, p=2, dim=1)

print(ux)

打印：

tensor([[ 255.,    1.,  255.],
        [ 255.,    1.,  255.]])
tensor([[ 0.7071,  0.0028,  0.7071],
        [ 0.7071,  0.0028,  0.7071]])

如何将ux归一化以返回值

tensor([[ 255.,    1.,  255.],
        [ 255.,    1.,  255.]])

来自

tensor([[ 0.7071,  0.0028,  0.7071],
        [ 0.7071,  0.0028,  0.7071]])

有许多资源详细介绍了此过程，例如https://discuss.pytorch.org/t/simple-way-to-inverse-normalize-a-batch-of-input-variable/12385/3，但没有详细介绍F.normalize的非规范化结果

Answer 1

F.normalize只是根据documentation除以范数，因此您只需要将其乘以其大小即可。

这意味着您仍然需要访问原始矢量ux 的大小，否则，这是不可能的，因为有关幅度的信息无法从原始向量中恢复。归一化向量。

这是可以完成的方法：

# I modified the input to make it more interesting, but you can use any other value
ux = torch.tensor(np.array([[255,1,255],[101,10,123]])).float()

magnitude = ux.norm(p=2, dim=1, keepdim=True)    # NEW
ux = F.normalize(ux, p=2, dim=1)

ux_orig = ux * magnitude                         # NEW

print(ux_orig)
# Outputs:
# tensor([[255.,   1., 255.],
#         [101.,  10., 123.]])

非规范化PyTorch数据

1 个答案: