Python torch库中的BatchNormalD（）方法是如何工作的？

我在学火把，我不知道；我不知道这个问题是否愚蠢，但我找不到解释nn.batchnorm1d的官方网站。我想知道

torch.nn.BatchNorm1d（d1）

是如何工作的？我知道批次范数是关于使一批示例的均值和方差分别为0和1。我想知道是否有nn.batchnorm2d，如果有，它做什么？什么是

d1

参数？

以下是PyTorch的BatchNorm的官方文档：

及

---

根据文档，我们需要指定

num\u features

参数，该参数是张量的输入大小。

BatchNorm1d

将2/3维数据

（N，C）

或

（N，C，L）

的平均值和单位方差标准化为0，在每个

（N，L）

或

（N，）

slice；而

BatchNorm2d

对4个维度

（N，C，H，W）

执行相同的操作，在每个

（N，H，W）

切片上计算通道维度

使用哪一个取决于输入数据的维度。例如，在图像处理中，特征地图通常有两个空间维度（N、C、H、W），因此在这里很有用。然而，对于一些NLP任务，如果只考虑长度维度，则会使用。对于这两个函数，<代码> d1 参数是特征的数量，等于输入张量的Dime<代码> c>代码>。对于batchnorm 2D