如何详细解析PyTorch中的批量归一化（Batch Normalize）应用？

本文共计334个文字，预计阅读时间需要2分钟。

使用 `torch.nn.BatchNorm1d()` 对2D或3D输入进行BN处理。在训练时，该层计算每次输入的均值和方差，并进行批量归一化。移动平均的默认动量为0.1。

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。