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#用于计算均值和方差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,方便计算dataset=Image
·
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。
更多推荐
已为社区贡献1条内容
所有评论(0)