transforms.normalize如何对特定数据集设定标准化参数

在图像分类实验中，经常能看到对数据集进行数据增强操作，其中包括transforms.Normalize()，这个函数的定义如下：

torchvision.transforms.Normalize(mean, std, inplace=False)

功能：针对RGB3个 channel 分别对图像进行标准化

output = ( input - mean ) / std

• mean: 各通道的均值
• std: 各通道的标准差
• inplace: 是否原地操作

通常ImageNet有自己的标准化参数，是通过抽样统计图像的均值方差得到的，那么针对本地特定数据集，如何获取到适合的参数呢？我参考了PyTorch数据归一化处理：transforms.Normalize及计算图像数据集的均值和方差_紫芝的博客-CSDN博客_pytorch 数据归一化

原文代码有一处错误，需要先把transform设置为transforms.ToTensor()，而不是None，否则会运行错误。以下是改正后的代码：

def getStat(train_data):
    '''
    Compute mean and variance for training data
    :param train_data: 自定义类Dataset(或ImageFolder即可)
    :return: (mean, std)
    '''
    print('Compute mean and variance for training data.')
    print(le