我有一系列的图像，其中每个像素应该在范围[0，1]内。我想知道我正在对这些图像运行一个深度学习模型，我想知道如何对批量中的每个图像进行归一化，使图像在变换后始终处于[0，1]范围内。
这就是我正在努力做的

for idx in range(x.shape[0]):
    x[idx] = x[idx] - x[idx].min()
    x[idx] = x[idx] / x[idx].max()

然而，这给我留下了这个错误：

Exception has occurred: RuntimeError
one of the variables needed for gradient computation has been modified by an inplace operation: [torch.FloatTensor [2, 128, 128]], which is output 0 of AsStridedBackward0, is at version 10; expected version 9 instead. Hint: the backtrace further above shows the operation that failed to compute its gradient. The variable in question was changed in there or anywhere later. Good luck!

这有什么解决办法？
其他一些需要考虑的事情：我不能使用批处理规范化，因为批处理中的每个图像都必须单独进行规范化。我不能使用层归一化，因为这是一个卷积网络，我不知道图像的大小提前。我不能使用示例规范化，因为我有多个通道，通道之间的相对大小很重要。