如何计算 cifar10 数据的均值和标准差答案

【问题标题】：How to calculate the mean and the std of cifar10 data如何计算 cifar10 数据的均值和标准差
【发布时间】：2021-06-15 02:01:13
【问题描述】：

Pytorch 使用以下值作为 cifar10 数据的平均值和标准： transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))

我需要理解计算它背后的概念，因为这个数据是 3 通道图像，我不明白什么是加和除以什么等等。另外，如果有人可以分享计算平均值和标准差的代码，将非常感激。

【问题讨论】：

标签： pytorch torchvision

【解决方案1】：

0.5 值只是三个通道 (r,g,b) 上 cifar10 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,g,b)
mean_r = imgs[:,0,:,:].mean()
mean_g = imgs[:,1,:,:].mean()
mean_b = imgs[:,2,:,:].mean()
print(mean_r,mean_g,mean_b)

# calculate std over each channel (r,g,b)
std_r = imgs[:,0,:,:].std()
std_g = imgs[:,1,:,:].std()
std_b = imgs[:,2,:,:].std()
print(std_r,std_g,std_b)

此外，您可能会发现 here 和 here 的均值和标准值相同

【讨论】：

【解决方案2】：

另一种方式

from  torchvision import datasets

cifar_trainset = datasets.CIFAR10(root='./data', train=True, download=True  )
data = cifar_trainset.data / 255 # data is numpy array

mean = data.mean(axis = (0,1,2)) 
std = data.std(axis = (0,1,2))
print(f"Mean : {mean}   STD: {std}") #Mean : [0.491 0.482 0.446]   STD: [0.247 0.243 0.261]

【讨论】：