def BN1dForward(inputs, weight, bias, eps=1e-5): meanx = inputs.mean(dim=0) varx = inputs.var(dim=0) normx = (inputs - meanx) / torch.sqrt(varx + eps) return normx * weight + bias, normx, varx

这是一个用于一维批量归一化的前向传播函数，其中：

- `inputs` 是输入数据，形状为 `(batch_size, num_features)`；
- `weight` 和 `bias` 分别是归一化的缩放因子和偏置项，形状均为 `(num_features,)`；
- `eps` 是一个小常数，用于避免除以零的情况；
- `meanx` 和 `varx` 分别是输入数据在当前 batch 的均值和方差，形状均为 `(num_features,)`；
- `normx` 是归一化后的数据，形状与 `inputs` 相同，计算公式为：$$\text{normx}=\frac{\text{inputs}-\text{meanx}}{\sqrt{\text{varx}+\text{eps}}}$$
- 返回值为归一化后的数据、当前 batch 的均值和方差。