今天小编就为大家分享一篇计算pytorch标准化(Normalize)所需要数据集的均值和方差实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

pytorch做标准化利用transforms.Normalize(mean_vals, std_vals)，其中常用数据集的均值方差有： if 'coco' in args.dataset: mean_vals = [0.471, 0.448, 0.408] std_vals = [0.234, 0.239, 0.242] elif 'imagenet' in args.dataset: mean_vals = [0.485, 0.456, 0.406] std_vals =

pytorch做标准化利用transforms.Normalize(mean_vals, std_vals)，其中常用数据集的均值方差有： if 'coco' in args.dataset: mean_vals = [0.471, 0.448, 0.408] std_vals = [0.234, 0.239, 0.242] elif 'imagenet' in args.dataset: mean_vals = [0.485, 0.456, 0.406] std_vals =

先说明一下情况 1、如果是自己的数据集，mean 和 std 肯定要在normalize之前自己先算好再传进去的 2、有两种情况： a)数据集在加载的时候就已经转换成了[0, 1]. b)应用了torchvision.transforms.ToTensor，其作用是 （ Converts a PIL Image or numpy.ndarray (H x W x C) in the range [0, 255] to a torch.FloatTensor of shape (C x H x W