非标准化 PyTorch 数据答案

【问题标题】：Un-normalizing PyTorch data非标准化 PyTorch 数据
【发布时间】：2019-02-20 18:27:57
【问题描述】：

以下代码：

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]])

如何取消规范化 ux 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]])

有各种资源详细说明了此过程，例如https://discuss.pytorch.org/t/simple-way-to-inverse-normalize-a-batch-of-input-variable/12385/3，但没有详细说明F.normalize 的非规范化结果

【问题讨论】：

标签： pytorch

【解决方案1】：

F.normalize 只需根据documentation 除以范数，因此您只需将其乘以它的大小即可。

这意味着您仍然需要访问原始向量ux的幅度，否则，这是不可能的，因为无法从归一化向量中恢复有关幅度的信息.

这是如何做到的：

# 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.]])

【讨论】：