torch 中一维向量的标准化

Question

我正在使用 1d 信号的 torch 数据集，并且希望在进一步处理数据之前将向量标准化为 0、std 1。如果我要处理图像，我可以使用 torchvision.transforms:

    import torchvision.transforms as transforms
    import torch

    data_2d = torch.rand(1, 100,100)
    normalized_data_2d = transforms.Normalize(mean = (data_2d.mean(),), std = (data_2d.std(),))(data_2d)
    print(f'mean: {normalized_data_2d.mean()} ~ 0 , std: {normalized_data_2d.std()} ~ 1, ok')

我得到：

mean: -4.1373571235681084e-08 ~ 0 , std: 0.9999999403953552 ~ 1, ok

当我以同样的方式使用一维数据时：

    data_1d = torch.rand(100)
    normalized_data_1d = transforms.Normalize(mean = (data_1d.mean(),), std = (data_1d.std(),))(data_1d)

我收到

TypeError: Tensor is not a torch image

错误：

有没有一种优雅的方法使用火炬变换来标准化一维向量？

Answer 1

您可以使用

atleast_3d

使输入张量达到预期的形状，然后使用

squeeze

输出单维，使其再次为 1d，例如，

normalized_data_1d = Normalize(
    mean=(data_1d.mean(),),
    std=(data_1d.std(),)
)(
    torch.atleast_3d(data_1d)  # make shape "at least 3d"
).squeeze()  # squeeze out singleton dimensions