当要对图片数据集进行归一化时，需要计算它的均值和方差。
步骤如下：
先导入图片数据集，用 ImageFolder () 导入，再把图片转换为张量，用 ToTenser () 转换，遍历每一张图片，接着遍历每一张图片的 RGB 通道，计算每个通道的均值和方差，最后使每一通道的均值和方差除以图片总数，就得出所要的归一化均值和方差。
注：在使用 ToTensor () 转换时会自动对图像进行归一化了，得到的 tensor 的数据范围为 [0, 1]
代码如下：
from torchvision.transforms import ToTensor#用于把图片转化为张量 | |
import numpy as np#用于将张量转化为数组，进行除法 | |
from torchvision.datasets import ImageFolder#用于导入图片数据集 | |
means = [0,0,0] | |
std = [0,0,0]#初始化均值和方差 | |
transform=ToTensor()#可将图片类型转化为张量，并把 0~255 的像素值缩小到 0~1 之间 | |
dataset=ImageFolder("./data/train/",transform=transform)#导入数据集的图片，并且转化为张量 | |
num_imgs=len(dataset)#获取数据集的图片数量 | |
for img,a in dataset:#遍历数据集的张量和标签 | |
for i in range(3):#遍历图片的 RGB 三通道 | |
# 计算每一个通道的均值和标准差 | |
means[i] += img[i, :, :].mean() | |
std[i] += img[i, :, :].std() | |
mean=np.array(means)/num_imgs | |
std=np.array(std)/num_imgs#要使数据集归一化，均值和方差需除以总图片数量 | |
print(mean,std)#打印出结果 |
结果如下：
归一化操作需要用到 torchvision.transforms.Normalize ()，里面的参数即为所求的均值和方差，直接复制粘贴用于归一化即可，如：Normalize ((0.48083678, 0.52600056, 0.5665671),( 0.20444372, 0.17884792, 0.16598056))，其归一化公式为：result =(channel-mean)/std，把 [0,1] 范围的值变为 [-1,1] 范围。
