为什么我的数据集方差没有得到正确的结果？

Question

下面是我写的函数：

def channel_var(image_dataset):
    res = image_dataset[0]
    for image in image_dataset[1:]:
        res += image
    return tuple(map(lambda x: x/len(image_dataset),
     (torch.var(res[0]),
      torch.var(res[1]),
      torch.var(res[2]))))

然后我用正态分布测试它：

m = normal.Normal(0, 3)
m.sample((1, 3, 32, 32))

我得到了一个错误的结果：

channel_var(list_test)

>>(tensor(0.0338), tensor(0.0352), tensor(0.0365))

谢谢

Answer 1

我想计算每个通道的所有数据集的方差。每个元素都是火炬张量。你的方法似乎适合一张图片。你能给我一个实现吗？你知道吗

谢谢

Answer 2

你的功能是错误的。这是因为你要计算平均图像，然后计算平均图像中的信道方差。我想你不想那样。你可以通过使用

torch.var(img, dim=[0,2,3])

假设dim=1是通道维数，img是火炬张量。如果img不是torch张量，那么可以将img的列表连接起来，形成一个张量。你知道吗

您可以这样做，因为torch.var(torch.cat(img, dim=0), dim=[0,2,3])cat操作将列表连接到张量。你知道吗