网站布局模板,最新首码项目发布网,如何建开发手机网站,建行官网的网址是多少前言数据是深度学习的核心#xff0c;大部分论文里都会提到data-driven这个词#xff0c;也就是数据驱动的意思。基本的模型搭建完成后#xff0c;如何处理数据#xff0c;如何将数据送给网络#xff0c;如何做数据增强等等#xff0c;对于提高网络的性能都十分重要…前言数据是深度学习的核心大部分论文里都会提到data-driven这个词也就是数据驱动的意思。基本的模型搭建完成后如何处理数据如何将数据送给网络如何做数据增强等等对于提高网络的性能都十分重要本篇文章会简单讲述下数据处理过程后续有时间会持续更新这方面的内容互相学习共勉数据集的均值和标准差def compute_mean_and_std(dataset): # 输入为PyTorch的dataset即数据集输出为对应数据集均值和标准差 # 均值 mean_r 0 mean_g 0 mean_b 0 for img, _ in dataset: img np.asarray(img) # 将 PIL Image 改变成numpy的数组类型 mean_b np.mean(img[:, :, 0]) mean_g np.mean(img[:, :, 1]) mean_r np.mean(img[:, :, 2]) mean_b / len(dataset) mean_g / len(dataset) mean_r / len(dataset) diff_r 0 diff_g 0 diff_b 0 N 0 for img, _ in dataset: img np.asarray(img) diff_b np.sum(np.power(img[:, :, 0] - mean_b, 2)) diff_g np.sum(np.power(img[:, :, 1] - mean_g, 2)) diff_r np.sum(np.power(img[:, :, 2] - mean_r, 2)) N np.prod(img[:, :, 0].shape) std_b np.sqrt(diff_b / N) std_g np.sqrt(diff_g / N) std_r np.sqrt(diff_r / N) mean (mean_b.item() / 255.0, mean_g.item() / 255.0, mean_r.item() / 255.0) std (std_b.item() / 255.0, std_g.item() / 255.0, std_r.item() / 255.0) return mean, std常用训练和验证数据预处理 ToTensor 会将 PIL.Image 或形状为 H×W×D数值范围为 [0, 255] 的numpy数组转换为形状为 D×H×W数值范围为 [0.0, 1.0] 的 torch.Tensor。train_transform torchvision.transforms.Compose([ torchvision.transforms.RandomResizedCrop(size224, scale(0.08, 1.0)), torchvision.transforms.RandomHorizontalFlip(), torchvision.transforms.ToTensor(), torchvision.transforms.Normalize(mean(0.485, 0.456, 0.406)std(0.229, 0.224, 0.225)), ]) val_transform torchvision.transforms.Compose([ torchvision.transforms.Resize(256), torchvision.transforms.CenterCrop(224), torchvision.transforms.ToTensor(), torchvision.transforms.Normalize(mean(0.485, 0.456, 0.406), std(0.229, 0.224, 0.225)),])视频数据import cv2video cv2.VideoCapture(mp4_path)height int(video.get(cv2.CAP_PROP_FRAME_HEIGHT))width int(video.get(cv2.CAP_PROP_FRAME_WIDTH))num_frames int(video.get(cv2.CAP_PROP_FRAME_COUNT))fps int(video.get(cv2.CAP_PROP_FPS))video.release()未完待续持续更新
