小编cal*_*_ye的帖子

火炬\xef\xbc\x9a\'1.9.0+cu111\'

Tensorflow-gpu\xef\xbc\x9a\'2.5.0\'

我遇到一个奇怪的事情，当使用tensorflow 2.5的Batch Normal层和Pytorch 1.9的BatchNorm2d层计算相同的Tensor时，结果有很大不同（TensorFlow接近1，Pytorch接近0）。我一开始以为是动量和epsilon的区别，但是把它们改成相同后，结果是一样的。

from torch import nn\nimport torch\nx = torch.ones((20, 100, 35, 45))\na = nn.Sequential(\n            # nn.Conv2d(512, 128, kernel_size=(1, 1), stride=(1, 1), padding=0, bias=True),\n            nn.BatchNorm2d(100)\n        )\nb = a(x)\n\nimport tensorflow as tf\nimport tensorflow.keras as keras\nfrom tensorflow.keras.layers import *\nx = tf.ones((20, 35, 45, 100))\na = keras.models.Sequential([\n            # Conv2D(128, (1, 1), (1, 1), padding=\'same\', use_bias=True),\n            BatchNormalization()\n        ])\nb = a(x)\n