在Android平台下如何不做归一化将图片转换为PyTorch Tensor？

云上老周

2026-10-1

实现无归一化的Bitmap转Tensor方案

首先明确TensorImageUtils.bitmapToFloat32Tensor内置的计算逻辑：

先将Bitmap的RGB像素值从0_{255的整数转换为0}1范围的浮点数，再执行 (缩放后像素值 - mean) / std 的归一化运算

你当前传入全1的mean和std是错误的，会得到不符合预期的像素数值，请根据你训练阶段的像素输入范围选择对应方案：

方案1：训练时输入为原始0~255范围的浮点像素

对应设置mean为全0，std为1/255即可抵消内置缩放和归一化操作，最终输出的Tensor值和原始像素值完全一致：

public Tensor recognize(Bitmap image){
    // 完全无归一化，输出Tensor值为原始0~255范围
    float[] mean = new float[]{0.0f, 0.0f, 0.0f};
    float[] std = new float[]{1/255f, 1/255f, 1/255f};
    Tensor input =  TensorImageUtils.bitmapToFloat32Tensor(image, mean, std);

    Tensor output = module.forward(IValue.from(input)).toTensor();
    return output;
}

方案2：训练时仅将像素缩放到0~1范围，未做减均值除标准差操作

这是绝大多数未做归一化训练的场景，设置mean为全0、std为全1即可：

public Tensor recognize(Bitmap image){
    // 仅做0~1缩放，无额外归一化
    float[] mean = new float[]{0.0f, 0.0f, 0.0f};
    float[] std = new float[]{1.0f, 1.0f, 1.0f};
    Tensor input =  TensorImageUtils.bitmapToFloat32Tensor(image, mean, std);

    Tensor output = module.forward(IValue.from(input)).toTensor();
    return output;
}