[英]How to “denormalize” a pytorch tensor?
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。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.