首頁(yè) 猿問(wèn) 計(jì)算火炬張量數(shù)組的平均值和標(biāo)準(zhǔn)差

計(jì)算火炬張量數(shù)組的平均值和標(biāo)準(zhǔn)差

Python

莫回?zé)o 2023-11-09 22:17:31

我正在嘗試計(jì)算火炬張量數(shù)組的平均值和標(biāo)準(zhǔn)差。我的數(shù)據(jù)集有 720 張訓(xùn)練圖像，每張圖像都有 4 個(gè)地標(biāo)，其中 X 和 Y 代表圖像上的 2D 點(diǎn)。to_tensor = transforms.ToTensor()landmarks_arr = []for i in range(len(train_dataset)): landmarks_arr.append(to_tensor(train_dataset[i]['landmarks'])) mean = torch.mean(torch.stack(landmarks_arr, dim=0))#, dim=(0, 2, 3))std = torch.std(torch.stack(landmarks_arr, dim=0)) #, dim=(0, 2, 3))print(mean.shape)print("mean is {} and std is {}".format(mean, std))結(jié)果：torch.Size([])mean is nan and std is nan上面有幾個(gè)問(wèn)題：為什么 to_tensor 不轉(zhuǎn)換 0 和 1 之間的值？如何正確計(jì)算平均值？我應(yīng)該除以 255 嗎？我有：len(landmarks_arr) 720和landmarks_arr[0].shapetorch.Size([1, 4, 2])和landmarks_arr[0]tensor([[[502.2869, 240.4949], [688.0000, 293.0000], [346.0000, 317.0000], [560.8283, 322.6830]]], dtype=torch.float64)

查看完整描述

1 回答

aluckdog

TA貢獻(xiàn)1847條經(jīng)驗(yàn) 獲得超7個(gè)贊

來(lái)自 ToTensor() 的 pytorch 文檔：

如果 PIL 圖像屬于，則將 [0, 255] 范圍內(nèi)的 PIL 圖像或 numpy.ndarray (H x W x C) 轉(zhuǎn)換為 [0.0, 1.0] 范圍內(nèi)形狀 (C x H x W) 的 torch.FloatTensor模式之一（L、LA、P、I、F、RGB、YCbCr、RGBA、CMYK、1）或者 numpy.ndarray 的 dtype = np.uint8
在其他情況下，返回張量而不進(jìn)行縮放。

由于您的 Landmark 值不是 PIL 圖像，并且不在 [0, 255] 范圍內(nèi)，因此不會(huì)應(yīng)用縮放。

您的計(jì)算看起來(lái)是正確的?？雌饋?lái)，您的數(shù)據(jù)中可能有一些 NaN 值。

你可以嘗試類似的東西

for i in range(len(train_dataset)):
    landmarks = to_tensor(train_dataset[i]['landmarks'])
    landmarks[landmarks != landmarks] = 0  # this will set all nan to zero
    landmarks_arr.append(landmarks)

在你的循環(huán)內(nèi)?；蛘咴谘h(huán)中斷言 for nan 以找到罪魁禍?zhǔn)祝?/p>

for i in range(len(train_dataset)):
    landmarks = to_tensor(train_dataset[i]['landmarks'])    assert(not torch.isnan(landmarks).any()), f'nan encountered in sample {i}'  # will trigger if a landmark contains nan
    landmarks_arr.append(landmarks)