在PyTorch中，可以使用torch.nn.BatchNorm1d或torch.nn.BatchNorm2d来实现批量归一化。具体代码示例如下：
import torch
import torch.nn as nn
# 对输入数据进行批量归一化
input_data = torch.randn(20, 16, 50, 50) # 输入数据的shape为(batch_size, channels, height, width)
# 对2D数据进行批量归一化
batchnorm = nn.BatchNorm2d(16) # 对通道维度进行批量归一化
output_data = batchnorm(input_data)
# 对1D数据进行批量归一化
input_data = torch.randn(20, 16, 100) # 输入数据的shape为(batch_size, channels, length)
batchnorm = nn.BatchNorm1d(16) # 对特征维度进行批量归一化
output_data = batchnorm(input_data)
上述代码中，nn.BatchNorm2d用于对2D数据（如图像数据）进行批量归一化，nn.BatchNorm1d用于对1D数据进行批量归一化。需要注意的是，这两个函数都会自动计算并更新均值和方差，同时也会学习伽马和贝塔参数来进行缩放和偏移。
