本文转自徐飞翔的“《临时笔记》caffe2使用记录”
版权声明：本文为博主原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明
本文作为临时笔记，记录笔者在使用caffe2时候的一些问题和解决方法，有空再进行详细整理。
在caffe2中对视频的单帧进行了零均值标准化处理，也就是如式子(1.1)所示：
从源码上看[1]，这里的均值mean和方差std分别是：
// 7 channels: (flow_x, flow_y, flow_magitude, gray, Red, Green, Blue)
const std::vector<float> InputDataMean = {
0.0046635, 0.0046261, 0.963986, 102.976, 110.201, 100.64, 95.9966};
const std::vector<float> InputDataStd = {
0.972347, 0.755146, 1.43588, 55.3691, 58.1489, 56.4701, 55.3324};
方差是[58.1489, 56.4701, 55.3324]， 均值是[110.201, 100.64, 95.9966]，排序是RGB。
PS：在pytorch中的torchvision.models.video中，同样对视频单帧进行了相似的处理，不同之处在于其对像素进行了归一化，范围是[0,1]而不是[0,255]，除此之外，同样对单帧像素进行了零均值标准化处理，其均值为mean=[0.43216, 0.394666, 0.37645]，方差为std = [0.22803, 0.22145, 0.216989]。
Reference
[1]. https://github.com/pytorch/pytorch/blob/master/caffe2/video/video_input_op.h#L374-L378
[2]. https://pytorch.org/docs/stable/torchvision/models.html#video-classification