batchnorm2d函數理解，numpy數據歸一化

 1.batchnorm2d

 

 深刻理解

 對一批數據，計算各個維度上的均值和標准差，一批數據有幾個維度，就有幾個均值，下面代碼加紅部分，一批數據（2,3,64,64），均值有3個

 m = nn.BatchNorm2d(3,affine=True) input = torch.randn(2, 3, 64, 64) output = m(input) print(m) print(output)

 2.numpy數據歸一化

1）最值歸一化： 把所有的數據映射到0-1之間

適用：有明顯邊界的情況

x為m行n列的數據

x[:, 0] = (x[:, 0] - np.min(x[:, 0]))/(np.max(x[:, 0]) - np.min(x[:,0])) # 對第0列(第一個特征)進行最值歸一化
            

 

 2)均值方差歸一化(Standardization):

把所有數據歸一到均值為0方差為1的數據中

既適用於數據沒有明顯的邊界，有可能存在極端數據值的情況。也適用於數據有明顯邊界的情況

 

 x為m行n列的數據，對第0列進行均值方差歸一化代碼如下

import numpy as np x[:, 0] = (x[:, 0] - np.mean(x[:, 0])) / np.std(x[:, 0])