【pytorch之BatchNorm2d】BN归一化方法测试

测试代码参考：https://blog.csdn.net/tmk_01/article/details/80679549

首先我们先来看看pytorch官方文档有关这个方法的介绍：

下面进行测试：

import torch

import torch.nn as nn

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

# print('m的第一个值',m.weight[0])
# print('m的第一个偏移值',m.bias[0])

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])   #通道均值
firstDimenVar= torch.Tensor.var(input[0][0],False) #Bessel's Correction贝塞尔校正不会被使用
                                                  #通道方差
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 = \
    ((input[0][0][0][0] - firstDimenMean)/(torch.pow(firstDimenVar+m.eps,0.5) ))\
               * m.weight[0] + m.bias[0]
print(bacthnormone)

结果：