PyTorch加载本地图像训练二分类器：可视化与反归一化问题

1. 反归一化的正确实现 #

你当前的反归一化代码存在笔误：第三个均值项的分母写成了0.255，但原归一化的标准差是0.225，这是导致颜色还原错误的核心原因。正确的反归一化逻辑是：

• 反归一化均值 = -原均值 / 原标准差
• 反归一化标准差 = 1 / 原标准差

修正后的代码：

inv_normalize = transforms.Normalize(
    mean=[-0.485/0.229, -0.456/0.224, -0.406/0.225],
    std=[1/0.229, 1/0.224, 1/0.225]
)

2. 解决3×3网格重复显示的问题 #

出现网格重复是因为反归一化后的张量像素值可能超出[0, 1]范围（PIL图像和plt.imshow要求像素值在0-1或0-255区间内），导致显示时出现异常拉伸。解决方法是在转PIL图像前，将张量的值限制在[0, 1]区间：

修改后的图像还原与显示代码：

# 先定义反归一化变换
inv_normalize = transforms.Normalize(
    mean=[-0.485/0.229, -0.456/0.224, -0.406/0.225],
    std=[1/0.229, 1/0.224, 1/0.225]
)

tensor_image = images[1]
# 反归一化 + 限制像素值范围
restored_tensor = inv_normalize(tensor_image).clamp(0, 1)
img = to_pil_image(restored_tensor)
plt.imshow(img)
plt.show()

额外注意事项 #

• 必须保证inv_normalize的定义在调用它的代码之前，避免未定义错误。
• 你使用的Resize(256)+RandomCrop(224)逻辑是合理的，不会导致显示异常，无需调整。

内容的提问来源于stack exchange，提问作者Jose Ramon