这篇文章主要为大家展示了“pytorch中batch normalize的使用示例”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“pytorch中batch normalize的使用示例”这篇文章吧。
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。
以上是“pytorch中batch normalize的使用示例”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
