Как они знают среднее и стандартное значение, входное значение преобразований. Нормализовать

Question

Вопрос касается учебника по загрузке данных с сайта PyTorch. Я не знаю, как они пишут значение mean_pix а также std_pix Нормализовать без расчета

Я не могу найти какое-либо объяснение, относящееся к этому вопросу в Stackru.

import torch
from torchvision import transforms, datasets

data_transform = transforms.Compose([
        transforms.RandomSizedCrop(224),
        transforms.RandomHorizontalFlip(),
        transforms.ToTensor(),
        transforms.Normalize(mean=[0.485, 0.456, 0.406],
                             std=[0.229, 0.224, 0.225])
    ])
hymenoptera_dataset = datasets.ImageFolder(root='hymenoptera_data/train',
                                           transform=data_transform)
dataset_loader = torch.utils.data.DataLoader(hymenoptera_dataset,
                                             batch_size=4, shuffle=True,
                                             num_workers=4)

Значение mean=[0.485,0.456, 0.406] а также std=[0.229, 0.224, 0.225] не очевидно для меня. Как они их получают? И почему они равны этим?

Answer 1

Для нормализации input[channel] = (input[channel] - mean[channel]) / std[channel] среднее значение и значения стандартного отклонения должны быть взяты из набора данных обучения.

Здесь среднее значение =[0,485, 0,456, 0,406], стандартное отклонение =[0,229, 0,224, 0,225] - среднее значение и стандартное значение набора данных Imagenet.

В Imagenet мы выполнили передачу набора данных и рассчитали среднее значение для каждого канала / стандартное отклонение. проверьте здесь

Предварительно обученные модели доступны в torchvision для обучения переноса были предварительно обучены на Imagenet, поэтому использование его среднего и стандартного отклонения было бы хорошо для тонкой настройки вашей модели.

Если вы пытаетесь обучить свою модель с нуля, было бы лучше использовать среднее и стандартное отклонение вашего обучающего набора данных (в данном случае это набор данных лица). Кроме этого, в большинстве случаев для вашей проблемы достаточно среднего и стандартного Imagenet.