小编Nia*_*amh的帖子

我不明白当数据是 3D 时 BatchNorm1d 如何工作（批量大小、H、W）。

例子

• 输入大小：(2,50,70)
• 层：nn.Linear(70,20)
• 输出尺寸：(2,50,20)

如果我随后包含批量归一化层，则需要 num_features=50：

• BN : nn.BatchNorm1d(50)

我不明白为什么不是 20：

• BN : nn.BatchNorm1d(20)

示例1)

class Net(nn.Module):
    def __init__(self):
        super(Net,self).__init__()
        self.bn11 = nn.BatchNorm1d(50)
        self.fc11 = nn.Linear(70,20)

    def forward(self, inputs):
        out = self.fc11(inputs)
        out = torch.relu(self.bn11(out))
        return out

model = Net()
inputs = torch.Tensor(2,50,70)
outputs = model(inputs)

示例2)

class Net(nn.Module):
    def __init__(self):
        super(Net,self).__init__()
        self.bn11 = nn.BatchNorm1d(20)
        self.fc11 = nn.Linear(70,20)

    def forward(self, inputs):
        out = self.fc11(inputs)
        out = torch.relu(self.bn11(out))
        return out

model = Net()
inputs = torch.Tensor(2,50,70) …