PIL转Torch Tensor与转Numpy数组求和结果不同的原因及解决方法

问题原因 #

• 核心差异来自torchvision.transforms.ToTensor()的默认归一化操作：当输入是PIL图像或者uint8类型的Numpy数组时，ToTensor()会自动将原始0_{255范围的像素值*除以255*，映射到0.0}1.0的浮点区间，只会改变数据量级，不会改变相对统计关系。
• 你的输出结果完全符合这个比例换算：14513196 / 255 ≈ 56914.494，和你得到的torch_img.sum()的56914.496几乎一致，微小的差值来自PyTorch和Numpy的浮点计算精度差异，属于正常情况。
• 额外说明：ToTensor()还会自动调整维度顺序，把PIL/Numpy默认的(H, W, C)格式转换为PyTorch常用的(C, H, W)格式，该操作仅调整像素存储顺序，不会影响求和结果。

让两个求和结果相等的操作 #

方法1：将Numpy数组和ToTensor逻辑对齐，做0~1归一化 #

对Numpy浮点数组手动除以255即可：

numpy_img_float = np.asarray(img).astype(np.float32) / 255.0
print(torch_img.sum(), numpy_img_float.sum())
# 此时两者输出基本一致

方法2：让PyTorch Tensor保留原始0~255的像素范围 #

有两种实现方式可选：

# 方式1：对ToTensor输出结果乘以255还原原始值
torch_img = T.ToTensor()(img) * 255
# 方式2：手动做格式转换，跳过自动归一化逻辑
import torch
torch_img = torch.from_numpy(np.asarray(img)).permute(2, 0, 1).float()

print(torch_img.sum(), numpy_img_float.sum())
# 此时两者输出基本一致

内容的提问来源于stack exchange，提问作者Milos Bijanic