如何计算cifar10数据的均值和标准差

如何解决如何计算cifar10数据的均值和标准差

Pytorch 使用以下值作为 cifar10 数据的均值和标准值： transforms.normalize((0.5,0.5,0.5),(0.5,0.5))

我需要理解计算背后的概念，因为这个数据是 3 通道图像，我不明白什么是相加和除以什么等等。 另外，如果有人可以分享计算平均值和标准的代码，那就太感谢了。

解决方法

0.5 值只是三个通道 (r,g,b) 上 cifar10 平均值和标准值的近似值。 cifar10 训练集的精确值是

• 意思是：0.49139968,0.48215827,0.44653124
• 标准：0.24703233 0.24348505 0.26158768

您可以使用以下脚本计算这些：

import torch
import numpy
import torchvision.datasets as datasets
from torchvision import transforms

cifar_trainset = datasets.CIFAR10(root='./data',train=True,download=True,transform=transforms.ToTensor())

imgs = [item[0] for item in cifar_trainset] # item[0] and item[1] are image and its label
imgs = torch.stack(imgs,dim=0).numpy()

# calculate mean over each channel (r,b)
mean_r = imgs[:,:,:].mean()
mean_g = imgs[:,1,:].mean()
mean_b = imgs[:,2,:].mean()
print(mean_r,mean_g,mean_b)

# calculate std over each channel (r,b)
std_r = imgs[:,:].std()
std_g = imgs[:,:].std()
std_b = imgs[:,:].std()
print(std_r,std_g,std_b)

此外，您可能会发现相同的均值和标准值 here 和 here