Machine learning PyTorch中BatchNormal1d的输出与手动规范化输入维度的输出不匹配_Machine Learning_Batch Normalization_Pytorctl

Machine learning PyTorch中BatchNormal1d的输出与手动规范化输入维度的输出不匹配

machine-learning

Machine learning PyTorch中BatchNormal1d的输出与手动规范化输入维度的输出不匹配,machine-learning,batch-normalization,pytorctl,Machine Learning,Batch Normalization,Pytorctl,为了理解BatchNorm1d在PyTorch中的工作原理，我尝试将二维张量上BatchNorm1d操作的输出与手动规范化匹配。手动输出似乎缩小了0.9747倍。下面是代码（请注意，affine设置为false）：输出为： 0.9747 0.9747 0.9747 .... 对batchNormal2D执行相同的操作不会产生任何问题。BatchNorm1d如何计算其输出？找出原因torch.var在计算方差时使用贝塞尔校正。传递属性unbiased=False会给出相同的值 0.9747 0

为了理解

BatchNorm1d

在PyTorch中的工作原理，我尝试将二维张量上

BatchNorm1d

操作的输出与手动规范化匹配。手动输出似乎缩小了0.9747倍。下面是代码（请注意，affine设置为false）：

输出为：

0.9747
0.9747
0.9747
....

对

batchNormal2D

执行相同的操作不会产生任何问题。

BatchNorm1d

如何计算其输出？

找出原因

torch.var

在计算方差时使用贝塞尔校正。传递属性

unbiased=False

会给出相同的值

0.9747
0.9747
0.9747
....