測試代碼：

import torch

import torch.nn as nn

m = nn.BatchNorm2d(2,affine=True) #權重w和偏重將被使用

input = torch.randn(1,2,3,4)

output = m(input)

print("輸入圖片：")

print(input)

print("歸一化權重：")

print(m.weight)

print("歸一化的偏重：")

print(m.bias)

print("歸一化的輸出：")

print(output)

print("輸出的尺度：")

print(output.size())

# i = torch.randn(1,1,2)

print("輸入的第一個維度：")

print(input[0][0])

firstDimenMean = torch.Tensor.mean(input[0][0])

firstDimenVar= torch.Tensor.var(input[0][0],False) #Bessel's Correction貝塞爾校正不會被使用

print(m.eps)

print("輸入的第一個維度平均值：")

print(firstDimenMean)

print("輸入的第一個維度方差：")

print(firstDimenVar)

bacthnormone = \

((input[0][0][0][0] - firstDimenMean)/(torch.pow(firstDimenVar+m.eps,0.5) ))\

* m.weight[0] + m.bias[0]

print(bacthnormone)

輸出為：

輸入圖片：

tensor([[[[-2.4308, -1.0281, -1.1322, 0.9819],

[-0.4069, 0.7973, 1.6296, 1.6797],

[ 0.2802, -0.8285, 2.0101, 0.1286]],

[[-0.5740, 0.1970, -0.7209, -0.7231],

[-0.1489, 0.4993, 0.4159, 1.4238],

[ 0.0334, -0.6333, 0.1308, -0.2180]]]])

歸一化權重：

Parameter containing:

tensor([ 0.5653, 0.0322])

歸一化的偏重：

Parameter containing:

tensor([ 0., 0.])

歸一化的輸出：

tensor([[[[-1.1237, -0.5106, -0.5561, 0.3679],

[-0.2391, 0.2873, 0.6510, 0.6729],

[ 0.0612, -0.4233, 0.8173, -0.0050]],

[[-0.0293, 0.0120, -0.0372, -0.0373],

[-0.0066, 0.0282, 0.0237, 0.0777],

[ 0.0032, -0.0325, 0.0084, -0.0103]]]])

輸出的尺度：

torch.Size([1, 2, 3, 4])

輸入的第一個維度：

tensor([[-2.4308, -1.0281, -1.1322, 0.9819],

[-0.4069, 0.7973, 1.6296, 1.6797],

[ 0.2802, -0.8285, 2.0101, 0.1286]])

1e-05

輸入的第一個維度平均值：

tensor(0.1401)

輸入的第一個維度方差：

tensor(1.6730)

tensor(-1.1237)

結論：

輸出的計算公式如下

注意torch中方差實現的方法是沒有使用Bessel's correction 貝塞爾校正的方差，所以在自己寫的方差中不要用錯了。(貝塞爾校正，即樣本方差和總體方差之間區別和校正。)

以上這篇pytorch方法測試詳解——歸一化(BatchNorm2d)就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持IIS7站長之家。

總結

以上是生活随笔為你收集整理的batchnorm2d参数 torch_pytorch方法测试详解——归一化(BatchNorm2d)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。