在PyTorch中，可以使用torch.nn.BatchNorm1d或torch.nn.BatchNorm2d來實現批量歸一化。具體代碼示例如下：
import torch
import torch.nn as nn
# 對輸入數據進行批量歸一化
input_data = torch.randn(20, 16, 50, 50) # 輸入數據的shape為(batch_size, channels, height, width)
# 對2D數據進行批量歸一化
batchnorm = nn.BatchNorm2d(16) # 對通道維度進行批量歸一化
output_data = batchnorm(input_data)
# 對1D數據進行批量歸一化
input_data = torch.randn(20, 16, 100) # 輸入數據的shape為(batch_size, channels, length)
batchnorm = nn.BatchNorm1d(16) # 對特征維度進行批量歸一化
output_data = batchnorm(input_data)
上述代碼中，nn.BatchNorm2d用于對2D數據（如圖像數據）進行批量歸一化，nn.BatchNorm1d用于對1D數據進行批量歸一化。需要注意的是，這兩個函數都會自動計算并更新均值和方差，同時也會學習伽馬和貝塔參數來進行縮放和偏移。
