pytorch 归一化测试（BatchNorm2d）

最新推荐文章于 2024-08-11 14:23:55 发布

AI算法网奇

最新推荐文章于 2024-08-11 14:23:55 发布

阅读量4.5k

点赞数

分类专栏： pytorch知识宝典

本文链接：https://blog.csdn.net/jacke121/article/details/83059872

版权

pytorch知识宝典专栏收录该内容

499 篇文章 226 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

这篇博客详细介绍了如何在PyTorch中使用BatchNorm2d对输入图片进行归一化处理。通过示例展示了输入图片、归一化权重和偏重、以及归一化后的输出。同时还提到了输出尺度的大小，并指出在PyTorch中计算方差时不使用Bessel's correction，提醒读者在自定义计算时需要注意。

摘要由CSDN通过智能技术生成

import torch
import torch.nn as nn

m = nn.BatchNorm2d(2,affine=True) #权重w和偏重将被使用
input = torch.randn(1,2,3,4)
output = m(input)

print("输入图片：")
print(input)
print("归一化权重：")
print(m.weight)
print("归一化的偏重：")
print(m.bias)

print("归一化的输出：")
print(output)
print("输出的尺度：")
print(output.size())

# i = torch.randn(1,1,2)
print("输入的第一个维度：")
print(input[0][0])
firstDimenMean = torch.Tensor.mean(input[0][0])
firstDimenVar= torch.Tensor.var(input[0][0],False) #Bessel's Correction贝塞尔校正不会被使用

print(m.eps)
print("输入的第一个维度平均值：")
print(firstDimenMean)
print("输入的第一个维度方差：")
print(firstDimenVar)

bacthnormone =

了解本专栏