Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

Feedback about Knowledge Distillation Tutorial

Abierto
#3,927 1 comentario 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 2 días

@Charuhasini30 ya está trabajando en esto.

Desde el 27/6/2026.

  • #3928 de @Charuhasini30 — abierto

Evaluación

Dificultad
2/5
Tiempo estimado
1-3 horas
Aptitud para principiantes
58/100
Tipo de issue
Documentación
Claridad
Bastante claro
Estado de actividad
Tranquilo
Stack tecnológico
python

Línea de trabajo

Comienza con el tutorial de Knowledge Distillation enlazado, especialmente con la sección sobre la normalización de CIFAR-10 y su explicación de la media y la desviación estándar. Verifica si los valores son estadísticas de ImageNet o si se recalcularon para CIFAR-10; se considera completado cuando el tutorial explica correctamente el origen de los valores o utiliza las estadísticas adecuadas.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

There is the following issue on this page: https://docs.pytorch.org/tutorials/beginner/knowledge_distillation_tutorial.html

I noticed a possible inconsistency in the Knowledge Distillation tutorial.

The tutorial states:

"The tensors mean=[0.485, 0.456, 0.406] and std=[0.229, 0.224, 0.225] were already computed, and they represent the mean and standard deviation of each channel in the predefined subset of CIFAR-10 intended to be the training set."

However, these values are identical to the commonly used ImageNet normalization statistics, while the CIFAR-10 training set statistics are typically reported as approximately:

  • Mean: (0.4914, 0.4822, 0.4465)
  • Std: (0.2470, 0.2435, 0.2616)

Could you clarify whether:

  1. the tutorial intentionally uses the ImageNet normalization values, in which case the accompanying explanation should mention that; or
  2. the statistics were actually recomputed for CIFAR-10, in which case I'd be interested in understanding how these values were obtained.

Thanks for the excellent tutorial!

Lenguaje dominante
Python
Estrellas
9.4k
Forks
4.4k
Merge medio
3 d 5 h
PR fusionados (30 d)
4

Preparar el entorno

Abrir en Codespaces

Inicia el contenedor de desarrollo del proyecto en tu navegador, con tu propia cuenta de GitHub.

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de pytorch/tutorials

Todos los issues de pytorch/tutorials

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.