机器学习 · 函数

实例归一化

创建实例归一化层（用于二维图像数据）。对标 torch.nn.InstanceNorm2d。参数: 特征维度: 输入特征通道数返回: nn.InstanceNorm2d 实例

调用签名(特征维度: 'int')

实ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 实例归一化
设 结果 = 机器学习.实例归一化(
    特征维度=[1, 2, 3, 4],  # 必填；整数类型的 特征维度 参数,按函数业务含义传入对...
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

1 个参数

参数类型 / 传入方式说明

特征维度可选 · 默认无

int位置参数或字段名=值

整数类型的特征维度参数,按函数业务含义传入对应数值。

常见错误：漏传会报 TypeError: missing required argument: '特征维度';检查调用是否漏了这行

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 实例归一化
设 结果 = 机器学习.实例归一化(
    特征维度=[1, 2, 3, 4],  # 必填；整数类型的 特征维度 参数,按函数业务含义传入对...
)
打印(结果)

# 进阶组合:实例归一化 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.实例归一化(
    特征维度=[1, 2, 3, 4],  # 必填
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:覆盖 1 个必填参数

## 参数 1: 特征维度
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.实例归一化()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.实例归一化(特征维度=[1, 2, 3, 4])
打印(结果)