如何在 PyTorch 中标准化图像答案

【问题标题】：How to normalize images in PyTorch如何在 PyTorch 中标准化图像
【发布时间】：2020-03-02 08:57:15
【问题描述】：

transform = transforms.Compose([
    transforms.ToTensor()
])

trainset = torchvision.datasets.ImageFolder(root='C:/Users/beomseokpark/Desktop/CNN/train_data', transform = transform)
data_loader = DataLoader(dataset = trainset, batch_size = 8, shuffle = True, num_workers=2)

with torch.no_grad():
    for num, data in enumerate(trainset):
        imgs, label = data

我在 torchvision 库中使用 ImageFolder 加载了图像，如何从图像的每个通道中获取均值和标准？

谁能帮帮我？

【问题讨论】：

标签： python machine-learning neural-network pytorch

【解决方案1】：

有一种“懒人”方法：您可以简单地将nn.BatchNorm2d 作为网络的第一层。使用适当的momentum 和track_running_stats=True，此层将为您估计数据的均值和方差。

或者，您可以使用计算均值和方差

mu = torch.zeros((3,), dtype=torch.float)
sig = torch.zeros((3,), dtype=torch.float)
n = 0
with torch.no_grad():
    for num, data in enumerate(trainset):
        imgs, _ = data 
        mu += torch.sum(imgs, dim=(0, 2, 3))
        sig += torch.sum(imgs**2, dim=(0, 2, 3))
        n += imgs.numel() // imgs.shape[0]
n  = float(n)
mu = mu / n  # mean
sig = sig / n - (mu ** 2)

【讨论】：

【解决方案2】：

import torch as t

batch_size = 8
imgs = t.empty(batch_size, 3, 128, 128).normal_()

t.nn.Flatten(start_dim=1)(imgs.permute(1, 0, 2, 3)).mean(dim=1)
t.nn.Flatten(start_dim=1)(imgs.permute(1, 0, 2, 3)).std(dim=1).shape

火炬.Size([3])

【讨论】：