pytorch图片数据归一化，通常传入transforms.Normalize(mean,std,inplace=False)中的mean和std是如何获取的？

最新推荐文章于 2024-10-25 16:51:06 发布

原创

最新推荐文章于 2024-10-25 16:51:06 发布 · 2.6k 阅读

15 ·

CC 4.0 BY-SA版权

本文介绍了如何在PyTorch中为数据集进行标准化处理，包括使用预设的均值和标准差，以及如何计算自定义数据集的均值和标准差。

pytorch做标准化利用transforms.Normalize(mean_vals, std_vals)，其中常用数据集的均值方差有：

if 'coco' in args.dataset:
    mean_vals = [0.471, 0.448, 0.408]
    std_vals = [0.234, 0.239, 0.242]
elif 'imagenet' in args.dataset:
    mean_vals = [0.485, 0.456, 0.406]
    std_vals = [0.229, 0.224, 0.225]

那么自定义的数据集如何获取mean和std呢？

这里以imagenet为例介绍：

前面的(0.485,0.456,0.406)表示均值，分别对应的是RGB三个通道；后面的(0.229,0.224,0.225)则表示的是标准差，分别对应的是RGB三个通道

这上面的均值和标准差的值是ImageNet数据集计算出来的，所以很多人都使用它们，那么如何统计呢？统计所有图片的均值和方差，求出的一个均值得到，下面直接上代码，大家观察一下即可：

def get_mean_std(self, type, mean_std_path):
        """
        计算数据集的均值和标准差
        :param type: 使用的是那个数据集的数据，有'train', 'test', 'testing'
        :param mean_std_path: 计算出来的均值和标准差存储的文件
        :return: 
        """
        # 这里的self.dataset[type]是数据集索引列表，使用的是pytorch，也可以修改直接读取路径即可，然后遍历
        num_imgs = len(self.dataset[type])