mindscience.e3nn.nn.BatchNorm

class mindscience.e3nn.nn.BatchNorm(irreps, eps=1e-5, momentum=0.1, affine=True, reduce='mean', instance=False, normalization='component', dtype=mindspore.float32)

针对正交归一化群表示的批归一化。 与常规 BatchNorm 不同，本层按不可约表示块的“不变范数”进行归一化，保证在诸如旋转等群作用下的等变性得以保持。统计量按每个重复（multiplicity）块独立计算，保持张量结构不变。 范数仅对正交归一化表示是不变的。不可约表示 wigner_D （及其对应的实基）满足该条件，因此对标准 e3nn 表示是安全的。

参数：

• irreps (Union[str, Irrep, Irreps]) - 输入的不可约表示。

• eps (float，可选) - 归一化方差时避免除以零的值。默认值：1e-5。

• momentum (float，可选) - 滑动平均的动量。默认值：0.1。

• affine (bool，可选) - 是否包含权重和偏置参数。默认值：True。

• reduce (str，可选) - {'mean', 'max'}，用于归约的方法。默认值：'mean'。

• instance (bool，可选) - 应用实例归一化而不是批归一化。默认值：False。

• normalization (str，可选) - {'component', 'norm'}，归一化方法。默认值：'component'。

• dtype (mindspore.dtype，可选) - 输入张量的类型。默认值：mindspore.float32 。

输入：

• input (Tensor) - 形状为 \((batch, ..., irreps.dim)\) 的张量。

输出：

• output (Tensor) - 形状为 \((batch, ..., irreps.dim)\) 的张量。

异常：

• ValueError: 如果 reduce 不是 'mean' 或 'max'。

• ValueError: 如果 normalization 不是 'component' 或 'norm'。

样例：

>>> from mindscience.e3nn.nn import BatchNorm
>>> from mindspore import ops, Tensor
>>> bn = BatchNorm('3x0o+2x0e+1x0o')
>>> print(bn)
BatchNorm (3x0o+2x0e+1x0o, eps=1e-05, momentum=0.1)
>>> inputs = Tensor(ops.ones((4, 6)))
>>> outputs = bn(inputs)
>>> print(outputs.shape)
(4, 6)