如何計算 3D 陣列圖像的 np.mean？

Question

我想使用均值減法和標准化作為我的 CNN 模型的標准化。 我正在研究 Keras 分類圖像。

但是，我還沒有完全理解使用均值減法、標准化和簡單過程（例如重新縮放圖像 =/255）之間的區別。

在這個問題中提到了三種方法：

np.mean(x) # calculates the mean of the array x
x-np.mean(x) # this is equivalent to subtracting the mean of x from each value in x
x-=np.mean(x) # the -= can be read as x = x- np.mean(x)

我目前使用的是簡單的重新縮放：

train_data = train_data / 255

但是我的模型性能很低。 因此，我決定更改歸一化並使用均值減法，但我不知道如何對 3D 數組執行此操作。

Answer 1

有多種方法可以進行圖像歸一化。 在這里解釋。

對於您的情況，您想通過減去數組的平均值來進行歸一化。 您可以使用np.mean沿兩個軸使用 3D 數組的平均值。 它將為您提供一個標量值，然后您可以從原始數組x中減去該值。

train_data = np.random.rand(28,28,3)
mean = np.mean(train_data)
train_data -= mean

如果你想減去每個通道的平均值，你可以在mean函數中使用axis參數。

mean = np.mean(train_data,axis=(0, 1))

這將給出每個通道的平均值並減去上述train_data-=mean的平均使用。

此外，您可以通過減去均值並除以標准差來標准化數據。 它在機器學習應用程序中使用很多。