如何使火炬張量“非正規化”？

Question

我想對我的神經網絡的標簽進行歸一化，但也可以反轉歸一化過程，以便可以將預測輸出縮放回原始大小。

我的標簽的格式為：

[[ 2.25, 2345123.23],
 [ 1.13, 234565.11],
 ...
 [0.12, 990232.98]]

現在，我想規范化每一列，使值的范圍從0到1。

我發現pytorch具有torch.nn.functional.normalize函數，該函數使我可以使用所需的p范數沿特定維度進行歸一化。

是否有一個現有的逆函數可以縮放我的歸一化值？

當前，我正在使用一個自定義函數，該函數執行如下功能縮放，將兩個列縮放在一起，但是，我想確保在重寫之前，我沒有創建一個在割炬庫中已經存在的函數。

 A = lbl_min
 B = lbl_max
 a = lower_bound
 b = upper_bound
 self.labels = a*np.ones(shape) + (self.labels - A*np.ones(shape))*(b-a)/(B-A)

附加信息：我正在使用回歸模型來輸出連續的真實值。 我需要“反規范化”我的預測，以便根據真實值驗證它們。 另外，如果要在實際應用中使用模型，則需要將輸出恢復為原始單位。

Answer 1

這是一個技巧問題。 規范化您的價值觀沒有意義 。

為什么？ 因為一旦對它們進行歸一化，神經網絡就應該學會根據歸一化的值來創建預測。

所以你很安全。

順便說一句，您通常將使用數據的均值和標准差進行歸一化。

對於回歸問題，情況相同。 至少到目前為止我創建的架構。 例如：創建模型M1以學習求和+運算。 您提供一對值a,b ，並將總和c設置為預測值。

如果您用a/10, b/10訓練另一個模型M2，然后再次提供c作為預測，則意味着您對輸入進行了歸一化。

在推理階段，您要做的就是對輸入進行歸一化 （除以10），然后獲得正確的輸出。