小編給大家分享一下pytorch方法測試之歸一化BatchNorm2d的示例分析，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

創新互聯專注于企業營銷型網站建設、網站重做改版、東坡網站定制設計、自適應品牌網站建設、html5、商城系統網站開發、集團公司官網建設、外貿營銷網站建設、高端網站制作、響應式網頁設計等建站業務，價格優惠性價比高，為東坡等各大城市提供網站開發制作服務。

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。

以上是“pytorch方法測試之歸一化BatchNorm2d的示例分析”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注創新互聯行業資訊頻道！

本文題目：pytorch方法測試之歸一化BatchNorm2d的示例分析-創新互聯
網站URL：http://www.yijiale78.com/article18/ccdjdp.html

成都網站建設公司_創新互聯，為您提供品牌網站制作、定制開發、Google、網站設計、搜索引擎優化、域名注冊

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯