torch.nn.BatchNorm1d()

1、BatchNorm1d(num_features,eps = 1e-05,momentum=0.1,affine=True)

對於2d或3d輸入進行BN。在訓練時，該層計算每次輸入的均值和方差，並進行平行移動。移動平均預設的動量為0.1。在驗證時，訓練求得的均值/方差將用於標準化驗證資料。

num_features:表示輸入的特徵數。該期望輸入的大小為'batch_size x num_features [x width]'

Shape：- 輸入：（N,C）或者(N,C,L) - 輸出：（N,C）或者（N，C，L）（輸入輸出相同）

2、BatchNorm2d(同上)

對3d資料組成的4d輸入進行BN。

num_features：來自期望輸入的特徵數，該期望輸入的大小為'batch_size x num_features x height x width'

Shape：- 輸入：（N,C，H,W) - 輸出：（N,H,W）（輸入輸出相同）

3、BatchNorm3d(同上)

對4d資料組成的5d輸入進行BN。

以上這篇pytorch的batch normalize使用詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支援我們。