PyTorch循环保存归一化张量为PNG图像异常问题咨询

两个问题会导致保存的PNG图像异常：

• 你使用的预处理中transforms.Normalize([0.5, 0.5, 0.5], [0.5, 0.5, 0.5])会将原本[0,1]范围的图像张量像素值映射到[-1,1]区间，这是GAN训练适配tanh输出层的标准操作，本身没有错误，但torchvision.utils.save_image默认要求输入张量像素值在[0,1]范围内，直接传入[-1,1]范围的张量会出现色彩错乱、画面异常的问题。
• next(iter(train_loader))返回的是(图像批次, 标签批次)形式的元组，直接赋值给real_samples后做索引，取到的不是合法的图像张量格式，也会导致输出错误。

前置准备 #

提前创建图像保存目录，避免路径不存在报错：

import os
os.makedirs("Real_Images", exist_ok=True)

方法1：手动反归一化后保存 #

手动将[-1,1]范围的张量还原到[0,1]的合法像素区间再保存，逻辑可控，适合需要额外做张量处理的场景：

# 正确读取dataloader返回值，第一个元素为图像批次，第二个为对应标签
real_images, _ = next(iter(train_loader))

for i in range(4):
    img = real_images[i]
    # 反归一化公式：原像素 = 归一化后像素 * 标准差 + 均值，此处标准差、均值均为0.5
    img = img * 0.5 + 0.5
    torchvision.utils.save_image(img, f'Real_Images/real_image{i}.png')

方法2：调用save_image自带归一化参数 #

torchvision.utils.save_image内置了像素值归一化逻辑，开启normalize=True后会自动将输入张量的像素值线性映射到[0,1]区间，不需要手动计算反归一化，GAN生成器输出的[-1,1]范围张量可以直接用该方法保存：

real_images, _ = next(iter(train_loader))

for i in range(4):
    torchvision.utils.save_image(
        real_images[i],
        f'Real_Images/real_image{i}.png',
        normalize=True
    )

针对GAN生成器输出的张量，只要最后一层激活为tanh（输出范围[-1,1]），直接套用上述两种保存方法即可，不需要修改原有训练用的预处理transform逻辑。

内容的提问来源于stack exchange，提问作者Sterik