torch.nn.GroupNorm

字面意思是分组做Normalization，官方说明在这里。

torch.nn.GroupNorm(num_groups, num_channels, eps=1e-05, affine=True, device=None, dtype=None)

计算公式

E[x]是x的均值；
Var[x]是标准差；
gama和beta是训练参数，如果不想使用，可以通过参数affine=False设置。默认为True；
eposilon是输入参数，防止Var为0，默认值为1e-05,可以通过参数eps修改。

输入张量要求

输入的张量至少是2维的，其中第一维度为Channel，后面的维度为特征数据。

使用示例

GroupNorm 是将第一维度的Channels按group分，然后每个group按照上面的计算公式做计算。

比如，
input shape = (4,5)
gn = GroupNorm (2,4)
output = gn(input)

那么output就是将4个channel的数据分为2组，前1-2channel为一组，并按公式计算；后3-4channel为一组，并按公式计算；但是这里输出的shape还是（4，5）
GroupNorm 不会改变输入张量的shape，它只是按照group做normalization

三维，四维以上都一样，比如这里的input shape =（4，1，2，3，4，5），GroupNorm 的作用仅仅针对第一维度的channel。

报错

如果GroupNorm 输入的channel num与输入不一致，则会报错
RuntimeError: Expected number of channels in input to be divisible by num_groups