简单教你计算图片数据集的均值和方差

当要对图片数据集进行归一化时，需要计算它的均值和方差。

步骤如下：
先导入图片数据集，用ImageFolder()导入，再把图片转换为张量，用ToTenser()转换，遍历每一张图片，接着遍历每一张图片的RGB通道，计算每个通道的均值和方差，最后使每一通道的均值和方差除以图片总数，就得出所要的归一化均值和方差。

代码如下：

from torchvision.transforms import ToTensor#用于把图片转化为张量
import numpy as np#用于将张量转化为数组，进行除法
from torchvision.datasets import ImageFolder#用于导入图片数据集

means = [0,0,0]
std = [0,0,0]#初始化均值和方差
transform=ToTensor()#可将图片类型转化为张量，并把0~255的像素值缩小到0~1之间
dataset=ImageFolder("./data/train/",transform=transform)#导入数据集的图片，并且转化为张量
num_imgs=len(dataset)#获取数据集的图片数量
for img,a in dataset:#遍历数据集的张量和标签
    for i in range(3):#遍历图片的RGB三通道
        # 计算每一个通道的均值和标准差
        means[i] += img[i, :, :].mean()
        std[i] += img[i, :, :].std()
mean=np.array(means)/num_imgs
std=np.array(std)/num_imgs#要使数据集归一化，均值和方差需除以总图片数量
print(mean,std)#打印出结果

结果如下：

归一化操作需要用到torchvision.transforms.Normalize()，里面的参数即为所求的均值和方差，直接复制粘贴用于归一化即可，如：Normalize((0.48083678, 0.52600056, 0.5665671),( 0.20444372, 0.17884792, 0.16598056))，其归一化公式为：result =(channel-mean)/std，把[0,1]范围的值变为[-1,1]范围。

为什么进行归一化可看看这篇文章：
机器学习——标准化/归一化的目的、作用和场景

为什么要把[0,1]范围变为[-1,1]可看看这篇文章：
归一化处理的目的和意义

---

希望我的文章对大家有所帮助，若有错误和不足，请大家指出批评。

参考文章：
机器学习——标准化/归一化的目的、作用和场景
归一化处理的目的和意义