pytorch方法测试详解——归一化(BatchNorm2d)
更新时间：2020年01月15日 15:54:34 作者：tmk_01
今天小编就为大家分享一篇pytorch方法测试详解——归一化(BatchNorm2d)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
测试代码：
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 = \
((input[0][0][0][0] - firstDimenMean)/(torch.pow(firstDimenVar+m.eps,0.5) ))\
* m.weight[0] + m.bias[0]
print(bacthnormone)
输出为：
输入图片：
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]]]])
归一化权重：
Parameter containing: tensor([ 0.5653, 0.0322])
归一化的偏重：
Parameter containing: tensor([ 0., 0.])
归一化的输出：
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]]]])
输出的尺度：
torch.Size([1, 2, 3, 4])
输入的第一个维度：
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
输入的第一个维度平均值：
tensor(0.1401)
输入的第一个维度方差：
tensor(1.6730) tensor(-1.1237)
结论：
输出的计算公式如下
注意torch中方差实现的方法是没有使用Bessel's correction 贝塞尔校正的方差，所以在自己写的方差中不要用错了。（贝塞尔校正，即样本方差和总体方差之间区别和校正。）
以上这篇pytorch方法测试详解——归一化(BatchNorm2d)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
进程（Process），顾名思义，就是进行中的程序。有一句话说得好：程序是一个没有生命的实体，只有处理器赋予程序生命时，它才能成为一个活动的实体。进程是资源分配的最小单元，也就是说每个进程都有其单独的内存空间2022-12-12
今天带大家学习的是关于Python Flask的相关知识,文章围绕着Flask请求扩展与中间件的知识展开,文中有非常详细的介绍,需要的朋友可以参考下2021-06-06
这里给大家分享的是php读取word并提取word内信息的方法，十分的简单实用，有需要的小伙伴可以参考下。2015-08-08
Python中pandas库sort_values()方法的使用
最后去看了有关于 sort_values 的文档，成功解决先把单词出现频次由高往低依次排序，再把频次相同的情况下的单词按照 MD5 值排序这个问题，下面通过本文讲解下Python中pandas库sort_values()方法的使用，感兴趣的朋友一起看看吧2023-07-07
这篇文章主要介绍了简单介绍Python中的JSON模块,包括初步的从Python中的数据格式转换为JSON格式等,需要的朋友可以参考下2015-04-04
这篇文章主要介绍了python3 sqlite3限制条件查询的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
在现实中,很多工作都需要与数据打交道,Excel 作为常用的数据处理工具,一直备受人们的青睐,本文主要为大家介绍了一些Python中Excel的基本操作,希望对大家有所帮助2025-01-01
Matplotlib是一个强大的Python绘图库,可以用来绘制各种静态、动态和交互式的图表,文章介绍了Matplotlib的基本概念、绘制折线图、散点图、柱状图、直方图和饼图等方法,并详细解释了Matplotlib的三层结构2025-02-02
webService接口是走soap协议通过http传输,请求报文和返回报文都是xml格式的,本文主要介绍了Python测试WebService接口,具有一定的参考价值,感兴趣的可以了解一下2024-03-03
在本篇文章里小编给大家整理的是关于Python从列表推导到zip()函数的5种技巧的相关知识点和代码，需要的朋友们参考学习下。2019-10-10
最新评论