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。

创新互联建站欢迎来电：13518219792，为您提供成都网站建设网页设计及定制高端网站建设服务，创新互联建站网页制作领域十年，包括成都宣传片制作等多个行业拥有多年建站经验，选择创新互联建站，为网站锦上添花！

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，欢迎关注创新互联行业资讯频道！

网站栏目：pytorch中batchnormalize的使用示例-创新互联
分享网址：http://chengdu.cdxwcx.cn/article/egojj.html