反归一化出现负值怎么处理？

实现一个预测模型，模型训练的时候是用的归一化后的数据去训练，然后把预测后的数据反归一化就得到真实数据，但是有个问题就是反归一化会出现负值，而我要预测的值应该都是正数，这种情况要怎么处理？

不是很理解你的逻辑，归一化是对训练数据预处理，而对于目标值一般不会去变动，预测的时候只要对输入的数据做同样的处理再输入模型就可以了，也不需要对预测出来的数据反归一化。
看你这个代码也只是对数据做标准化处理，以及反过来的转化，貌似没有涉及到预测的代码。
所以不是很清楚你的意思

这里面估计是你在编写反转函数时可能出现问题，或者还有种原因，你用归一化的函数不满足你预测时的函数不一致。比如取一个简单的例子，在神经网络中，我们通常采用sigmod作为这个激活函数在神经网络中，而这个函数的输出的结果肯定在[0,1]之间，而当我们对数据集进行初始化的时候，采用的是内置的归一化函数，它归一化的值范围在[-1,1]。在经过预测之后，使用内置的反归一化函数，此时得出的结果与原先的值会发生偏差。因此，在反归一化的时候，最好采用激活函数的反函数来进行反归一化，这样预测的值与理论值才能匹配！

不知道题主数据，如果是图像，可以参考我之前写的归一化方式：

tensor_w, tensor_h = img_tensor.shape[2], img_tensor.shape[1]
img = torch.clamp(img_tensor, 0.0, 1.0)
img = torch.multiply(img, 255.0)

记录了原始图像的长宽，相当于放缩比例，后面预测结果再乘回放缩比例就是原图像的框高和框长。

你实现的代码是标准化，不是归一化。标准化是指数据的均值为0，方差为1，出现负数很正常。归一化是，x-x.max()/(x.max()-x.min())

加上绝对值的最大值