pytorch的batch normalize使用详解

torch.nn.BatchNorm1d()

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

对于2d或3d输入进行BN。在训练时，该层计算每次输入的均值和方差，并进行平行移动。移动平均默认的动量为0.1。在验证时，训练求得的均值/方差将用于标准化验证数据。

num_features:表示输入的特征数。该期望输入的大小为'batch_size x num_features [x width]'

Shape： - 输入：（N, C）或者(N, C, L) - 输出：（N, C）或者（N，C，L）（输入输出相同）

2、BatchNorm2d(同上)

对3d数据组成的4d输入进行BN。

num_features： 来自期望输入的特征数，该期望输入的大小为'batch_size x num_features x height x width'

Shape： - 输入：（N, C，H, W) - 输出：（N, C, H, W）（输入输出相同）

3、BatchNorm3d(同上)

对4d数据组成的5d输入进行BN。

以上这篇pytorch的batch normalize使用详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。

您可能感兴趣的文章:

• 计算pytorch标准化(Normalize)所需要数据集的均值和方差实例