pytorch的batch normalize使用詳解
torch.nn.BatchNorm1d()
1、BatchNorm1d(num_features, eps = 1e-05, momentum=0.1, affine=True)
對于2d或3d輸入進行BN。在訓練時,該層計算每次輸入的均值和方差,并進行平行移動。移動平均默認的動量為0.1。在驗證時,訓練求得的均值/方差將用于標準化驗證數(shù)據(jù)。
num_features:表示輸入的特征數(shù)。該期望輸入的大小為'batch_size x num_features [x width]'
Shape: - 輸入:(N, C)或者(N, C, L) - 輸出:(N, C)或者(N,C,L)(輸入輸出相同)
2、BatchNorm2d(同上)
對3d數(shù)據(jù)組成的4d輸入進行BN。
num_features: 來自期望輸入的特征數(shù),該期望輸入的大小為'batch_size x num_features x height x width'
Shape: - 輸入:(N, C,H, W) - 輸出:(N, C, H, W)(輸入輸出相同)
3、BatchNorm3d(同上)
對4d數(shù)據(jù)組成的5d輸入進行BN。
以上這篇pytorch的batch normalize使用詳解就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關文章
Python操作MySQL數(shù)據(jù)庫的兩種方式實例分析【pymysql和pandas】
這篇文章主要介紹了Python操作MySQL數(shù)據(jù)庫的兩種方式,結(jié)合實例形式分析了Python使用pymysql和pandas模塊進行mysql數(shù)據(jù)庫的連接、增刪改查等操作相關實現(xiàn)技巧,需要的朋友可以參考下2019-03-03python實現(xiàn)高精度求自然常數(shù)e過程詳解
這篇文章主要為大家介紹了python實現(xiàn)高精度求自然常數(shù)e過程詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2022-05-05python實現(xiàn)樹形打印目錄結(jié)構(gòu)
這篇文章主要為大家詳細介紹了python樹形打印目錄結(jié)構(gòu)的相關代碼,具有一定的參考價值,感興趣的小伙伴們可以參考一下2018-03-03Windows上使用virtualenv搭建Python+Flask開發(fā)環(huán)境
在自己本機的開發(fā)環(huán)境下,我們完全可以使用virtualenv來hold住多個Python環(huán)境,這樣就可以留出一個專門服役于Flask框架,哈哈,這里我們就來看看如何在Windows系統(tǒng)上使用virtualenv搭建Python+Flask開發(fā)環(huán)境2016-06-06關于python3的ThreadPoolExecutor線程池大小設置
這篇文章主要介紹了關于python3的ThreadPoolExecutor線程池大小設置,線程池的理想大小取決于被提交任務的類型以及所部署系統(tǒng)的特性,需要的朋友可以參考下2023-04-04Python入門之實例方法、類方法和靜態(tài)方法的區(qū)別講解
這篇文章主要介紹了Python入門之實例方法、類方法和靜態(tài)方法的區(qū)別講解,實例方法是在創(chuàng)建了類的實例之后才能被調(diào)用的方法,類方法是在不需要創(chuàng)建類的實例的情況下就可以調(diào)用的方法,最后,靜態(tài)方法是與類和類的實例都沒有綁定關系的方法,需要的朋友可以參考下2023-10-10Django數(shù)據(jù)庫(SQlite)基本入門使用教程
django有默認自帶的數(shù)據(jù)庫,當然也可以用其他的數(shù)據(jù)庫,下面這篇文章主要給大家介紹了關于Django數(shù)據(jù)庫(SQlite)基本入門使用教程的相關資料,需要的朋友可以參考下2022-07-07python之Django自動化資產(chǎn)掃描的實現(xiàn)
這篇文章主要介紹了python之Django自動化資產(chǎn)掃描的實現(xiàn),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2021-04-04