计算批处理的平均值和标准值[Python/Numpy]

Question

寻找计算平均值和标准每通道在一批有效。在

---

详细信息：

• 批量：128
• 图片：32x32
• 3通道（RGB）

所以每个批次的大小是[128，32，32，3]。在

有很多批处理（naivemethod在所有批处理中花费~4min）。在

我想输出2个数组：（meanR，meanG，meanB）和（stdR，stdG，stdB）

---

（另外，如果有一种有效的方法在计算后对批处理执行算术运算，那么这将很有帮助。例如，从每个图像中减去整个数据集的平均值）

Answer 1

假设你想得到多轴的平均值（如果我没弄错的话）。numpy.mean(a, axis=None)已经支持多轴平均值，如果轴是tuple。在

我不太清楚你说的天真的方法是什么意思。在

Answer 2

你可以用这个方法来计算R，G，B的平均值和标准差

a = np.random.rand(128,32,32,3)
for i in range(3):
    means = [m for m in np.mean(a, axis = (3, i))]
for i in range(3):
    stds = [s for s in np.std(a, axis = (3, i))]

而axis=(3,i)3代表通道，i代表颜色（R，G，B）。你也可以参考这个链接。Get mean of 2D slice of a 3D array in numpy 。我希望这能对你有所帮助。在

Answer 3

如果我正确理解您的意思，并且您想计算所有图像的平均值和标准值：

演示：两张（2,2,3）形状的图片（为了简单起见）：

In [189]: a
Out[189]:
array([[[[ 1,  2,  3],
         [ 4,  5,  6]],

        [[ 7,  8,  9],
         [10, 11, 12]]],


       [[[13, 14, 15],
         [16, 17, 18]],

        [[19, 20, 21],
         [22, 23, 24]]]])

In [190]: a.shape
Out[190]: (2, 2, 2, 3)

In [191]: np.mean(a, axis=(0,1,2))
Out[191]: array([ 11.5,  12.5,  13.5])

In [192]: np.einsum('ijkl->l', a)/float(np.prod(a.shape[:3]))
Out[192]: array([ 11.5,  12.5,  13.5])

速度测量：

^{pr2}$