import torch
import os
import numpy as np
from PIL import Image
def cal_mean_std(path: str):
channels_sum, channels_squared_sum, nums = 0, 0, 0
path_list = os.listdir(path)
for img_path in path_list:
image_path = os.path.join(path, img_path)
image = Image.open(image_path)
if image.mode != 'RGB':
image = image.convert('RGB') # convert image to RGB if it is not
image = torch.from_numpy(np.array(image)).permute([2, 0, 1]).float()
channels_sum += torch.mean(image, dim=[1, 2])
channels_squared_sum += torch.mean(image**2, dim=[1, 2])
nums += 1
mean = channels_sum / nums
std = (channels_squared_sum / nums - mean**2)**0.5
return mean, std
if __name__ == '__main__':
path = os.path.abspath(r"C:\Users\GW\Desktop\xu\data_coco\train2017") # 数据集路径
mean, std = cal_mean_std(path=path)
print(f'mean : {mean}, std : {std}')
生成数据集的平均值和标准差
原创
©著作权归作者所有:来自51CTO博客作者wx64f6f6aad2d97的原创作品,请联系作者获取转载授权,否则将追究法律责任
提问和评论都可以,用心的回复会被更多人看到
评论
发布评论
相关文章
-
Python计算多个Excel文件数据的平均值
本文介绍基于Python语言,对大量不同的Excel文件加以跨文件、逐单元格平均值计算的方法~
Python Excel 平均值 跨文件平均值 平均数 -
java集合的组内平均值怎么计算
java集合的组内平均值的计算方法。
List java -
opencv计算图像的平均值和标准差
将Mat类型转为IplImage类型并计算它的均值和标准
标准 opencv class 标准差 scala -
平均数和标准差
平均数和标准差
#include 标准差 数据 -
python 数据的均值和标准差 python怎么算标准差
标准化,让运营数据落入相同的范围实现中心化和正态分布的Z-Score实现归一化的Max-Min用于稀疏数据的MaxAbs针对离群点的RobustScaler代码实操:Python数据标准化处理 数据标准化是一个常用的 数据预处理操作,目的是处理不同规模和量纲的数据,使其缩放到相同的数据区间和范围,以减少规模、特征、分布差异等对模型的影响。除了用作模型计算, 标准化后的数据还具有了直接计算并生成
python 数据的均值和标准差 z-score标准化 Max-Min标准化 MaxAbsScaler标准化 RobustScaler标准化 -
css 让容器倾斜
css属性-文字大小 font-size字体大小属性:可设置字体的大小,常用单位是px 例:body{font-size:12px;} 默认情况下 1em=16px,0.75em=12px; 单位还可以是pt 9pt=12px; css属性-文字其他属性 font-style 字体风格属性: 设置字体是否倾斜;有三个属性值(normal/italic/
css 让容器倾斜 css 字体倾斜 css右对齐 css字体间距 gimp 去掉一个颜色的背景