PyTorch nn.BatchNorm2d 中的“仿射”參數有什么作用？

Question

affine參數的目的是什么，它有什么作用？

class DilConv(nn.Module):
    def __init__(self, in_C, out_C, kernel_size, stride, padding, affine=True):
        super(DilConv, self).__init__()
        self.ops = nn.Sequential(
          nn.ReLU(),
          nn.Conv2d(in_C, in_C, kernel_size=kernel_size, stride=stride, 
                    padding=padding, dilation=2, groups=in_C, bias=False),
          nn.Conv2d(in_C, out_C, kernel_size=1, bias=False),
          nn.BatchNorm2d(out_C, affine=affine))
        
    def forward(self, x):
        return self.ops(x)

Answer 1

如果您查看BatchNorm2d的文檔頁面，您將閱讀：

affine – 一個 boolean 值，當設置為True時，該模塊具有可學習的仿射參數。 默認值： True

檢查基礎 class _NormBase上的源代碼，您將看到參數weight和bias僅在參數affine設置為True時才定義。 這些參數對應於文檔公式中的 gamma 和 beta。