pytorch的transform中ToTensor接着Normalize

在貓狗二分類的學習中，碰到以下代碼：

看了一下ToTensor的描述如下：

  說的是ToTesnor會，而且將數據歸一化到均值爲0，方差爲1（是將數據除以255），那麼歸一化後爲什麼還要接一個Normalize()呢？
Normalize()是對數據按通道進行標準化，即減去均值，再除以方差

數據如果分佈在(0,1)之間，可能實際的bias，就是神經網絡的輸入b會比較大，而模型初始化時b=0的，這樣會導致神經網絡收斂比較慢，經過Normalize後，可以加快模型的收斂速度。
因爲對RGB圖片而言，數據範圍是[0-255]的，需要先經過ToTensor除以255歸一化到[0,1]之後，再通過Normalize計算過後，將數據歸一化到[-1,1]。