Pytorch图像预处理时，通常使用transforms.Normalize(mean, std)对图像按通道进行标准化，即减去均值，再除以方差。这样做可以加快模型的收敛速度。其中参数mean和std分别表示图像每个通道的均值和方差序列。
Imagenet数据集的均值和方差为：mean=(0.485, 0.456, 0.406)，std=(0.229, 0.224, 0.225)，因为这是在百万张图像上计算而得的，所以我们通常见到在训练过程中使用它们做标准化。而对于特定的数据集，选择这个值的结果可能并不理想。接下来给出计算特定数据集的均值和方差的方法。
getState()方法接收一个Dataset类（ImageFolder），然后累加所有图像三个通道的均值和方差，最后除以图像总数并返回。
这里用cifar10做的测试，测试集返回的结果如下所示：
————————————————
版权声明：本文为CSDN博主「潜行隐耀」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/PanYHHH/article/details/107896526
注：这里涉及到两种算法
-
计算每张图片的像素平均灰度值，再求和并除以总图片数
-
计算总灰度值，将每张图像像素数求和，除以这个和
方法一更好，适用于图片大小不一样的情况
Original: https://www.cnblogs.com/sddai/p/15476594.html
Author: stardsd
Title: 计算图像数据集的均值和方差(mean, std)用于transforms.Normalize()标准化
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/547105/
转载文章受原作者版权保护。转载请注明原作者出处！