计算批次的平均值和标准差 [Python/Numpy]答案

【问题标题】：Calculating Mean & STD for Batch [Python/Numpy]计算批次的平均值和标准差 [Python/Numpy]
【发布时间】：2018-06-17 23:29:34
【问题描述】：

希望有效地计算批次中每个通道的平均值和标准差。

详情：

批量：128
图片：32x32
3 通道 (RGB)

所以每个批次的大小为 [128, 32, 32, 3]。

有很多批次（幼稚的方法在所有批次中需要大约 4 分钟）。

我想输出 2 个数组：(meanR, meanG, meanB) 和 (stdR, stdG, stdB)

（另外，如果有一种有效的方法在计算后对批次执行算术运算，那将很有帮助。例如，从每张图像中减去整个数据集的平均值）

【问题讨论】：

您想获得 all 图像或每个图像的每个通道的平均值吗？ IE。你可以为你想要的数组指定形状吗？

标签： python numpy tensorflow batch-processing channel

【解决方案1】：

如果我理解正确并且您想计算所有图像的平均值和标准值：

演示：2 个 (2,2,3) 形状的图像（为简单起见）：

In [189]: a
Out[189]:
array([[[[ 1,  2,  3],
         [ 4,  5,  6]],

        [[ 7,  8,  9],
         [10, 11, 12]]],


       [[[13, 14, 15],
         [16, 17, 18]],

        [[19, 20, 21],
         [22, 23, 24]]]])

In [190]: a.shape
Out[190]: (2, 2, 2, 3)

In [191]: np.mean(a, axis=(0,1,2))
Out[191]: array([ 11.5,  12.5,  13.5])

In [192]: np.einsum('ijkl->l', a)/float(np.prod(a.shape[:3]))
Out[192]: array([ 11.5,  12.5,  13.5])

速度测量：

In [202]: a = np.random.randint(255, size=(128,32,32,3))

In [203]: %timeit np.mean(a, axis=(0,1,2))
9.48 ms ± 822 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [204]: %timeit np.einsum('ijkl->l', a)/float(np.prod(a.shape[:3]))
1.82 ms ± 22.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

【讨论】：

非常感谢！这个解决方案正是我想要的！

【解决方案2】：

您可以使用此方法计算 R、G、B 的均值和标准差。

a = np.random.rand(128,32,32,3)
for i in range(3):
    means = [m for m in np.mean(a, axis = (3, i))]
for i in range(3):
    stds = [s for s in np.std(a, axis = (3, i))]

axis=(3,i) 3 代表通道，i 代表颜色（R、G、B）。你也可以参考这个链接。Get mean of 2D slice of a 3D array in numpy 。我希望这可以帮助你。

【讨论】：

【解决方案3】：

假设你想得到多轴的平均值（如果我没弄错的话）。 numpy.mean(a, axis=None) 已经支持多轴，如果轴是 tuple。

我不太清楚你所说的幼稚方法是什么意思。

【讨论】：

谢谢。这比我做的方式优雅得多。