pytorch 中自定义数据集的数据预处理（transform.Normalize）

【问题标题】：Data preprocessing for custom dataset in pytorch (transform.Normalize)pytorch 中自定义数据集的数据预处理（transform.Normalize）
【发布时间】：2019-02-28 13:30:54
【问题描述】：

我是 Pytorch 和 CNN 的新手。我对数据预处理有点困惑。不确定如何进行转换。规范化数据集（本质上，您如何计算自定义数据集的均值和标准 v？）

我正在使用 ImageFolder 加载我的数据。图片大小不一。

train_transforms = transforms.Compose([transforms.Resize(size=224),
                                       transforms.ToTensor(),  transforms.Normalize((?), (?))
                                       ])
train_dataset = datasets.ImageFolder(root='roota/',
                                     transform=train_transforms)

【问题讨论】：

标签： python dataset conv-neural-network pytorch

【解决方案1】：

如果您打算从头开始训练您的网络，您可以计算数据集的统计数据。数据集的统计数据是预先计算的。您可以使用ImageFolder 循环遍历图像以计算数据集统计信息。比如伪代码——

for inputs, labels in dataloaders:
    # Calculate mean and std dev 
    # save for later processing

通常，CNN 使用其他更大的数据集（例如 Imagenet）进行预训练，主要是为了减少训练时间。如果您使用的是预训练网络，则可以使用原始数据集的均值和标准差进行训练。

【讨论】：

谢谢。这很有意义。我可以计算一组实际数字的平均值和标准差。不确定如何使用图像或张量完成此操作。您是否对实际执行过的代码或链接（仅作为示例）感到满意？