PyTorch中BatchNorm1d的输出与手动归一化输入维度的输出不匹配

为了理解PyTorch中BatchNorm1d的工作原理,我尝试将BatchNorm1d操作在二维张量上的输出与手动归一化的输出进行匹配。手动输出的结果似乎被缩小了0.9747的倍数。以下是代码(注意affine被设置为false):

输出为:

0.9747
0.9747
0.9747
...

BatchNorm2d进行同样的操作没有问题。BatchNorm1d是如何计算其输出的?


回答:

找到了原因。torch.var在计算方差时使用了贝塞尔校正。传递属性unbiased=False会得到相同的值。

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注