pytorch 将矩阵第0维线性归一化

PyTorch 中，将矩阵的第 0 维（通常对应于样本维度）进行线性归一化，也称为批量归一化（Batch Normalization），可以使用 torch.nn.BatchNorm1d 或 torch.nn.BatchNorm2d（对于二维张量如图像数据）。这两个模块的作用是在每个训练批次的数据上对输入特征做均值和方差标准化，以加速模型收敛并改进模型性能。

以下是使用 `nn.BatchNorm1d` 的简单示例：

import torch
from torch.nn import BatchNorm1d

# 假设 x是一个形状为 (batch_size, feature_dim) 的张量
x = torch.randn(64, 100)

# 创建 BatchNorm1d 对象
bn_layer = BatchNorm1d(100)

# 归一化操作
normalized_x = bn_layer(x)

如果你处理的是二维张量，可以使用 `BatchNorm2d`。在这种情况下，第 0 维代表 batch size，第 1 和 2 维是通道和空间维度。