BN层存在的问题:
BN层的模型效果取决于Batch_size大小，那么我的实验分别在batch_size=4和batch_size=8的情况下运行的，这些batch_size都无法让BN层真正起到作用，甚至负作用，我个人感觉4的效果比8好这就是个运气问题(下面一段我利用BN层原理对这个运气问题进行了分析)。那么同样为4的batch_size进行若干次实验，是否结果会出现很大的波动？关于这个实验我现在也在继续补做.如果有很大波动则代表我的实验具有一定的偶然性.这种结果是不可信的.其实这里的batch_size=4和batch_size=8，batch_size=4的AP能到74，但batch_size=8的AP却只有70.这里就已经说明了我们的实验结果存在偶然性了。
BN层中的running_mean，running_var都是训练最后一次更新后的值，那么每一个mini_batch的数据不一样导致了每一次的running_mean,以及running_var都不一样.当用这些不同的running_mean和running_var去test我的测试集时自然导致了我结果的不一致性.并且batch_size=4和batch_size=8都无法让这些mean和var接近真实数据集的均值方差。若我不使用BN层采用FrozenBN层（即不去更新BN层中的四个参数），我的数据集是医学数据集，直接用自然数据集的均值方差去BN医学数据集显然是不合理的。
那么如果我把batch_size调大呢？这显然也是不行的，因为检测网络，语义分割等等，为保证精度，都是不会把图像进行放缩到224大小的。同时网络都是非常大的，原Faster R-CNN论文中明确指定了batch_size=1，因为其用的backbone网络是ZF或者VGG16，这些网络里面都不含有BN层，所以其batch_size对结果的影响并不大。我自己的电脑显存是11G，只能运行batch_size=4，如果要运行batch_size=32那起码需要80G显存多GPU混合训练。而且这还只是在我没有做任何改进的情况下.
所以为了解决上述问题。Kaiming He在2018年ECCV上发表了《Group Normalization》
GN层:
GN层不在依赖 batch_size大小了，其将Channel分为多个组，在每一个组中求均值方差。这里附上代码
import torch
import torch.nn as nn
def group_norm(x:torch.Tensor,
num_groups: int,
num_channels: int,
eps: float = 1e-5,
gamma: float = 1.0,
beta: float = 0):
channels_per_group = num_channels//num_groups
new_tensor = []
for t in x.split(channels_per_group, dim=1):
var_mean = torch.var_mean(t, dim=[1, 2, 3], unbiased=False)
var = var_mean[0]
mean = var_mean[1]
mean = mean.unsqueeze(1).unsqueeze(2).unsqueeze(3).expand_as(t)
#t = (t-mean[:, None, None, None])/torch.sqrt(var[:, None, None, None]+eps)
t = (t - mean) / torch.sqrt(var[:, None, None, None] + eps)
t = t*gamma+beta
new_tensor.append(t)
new_tensor = torch.cat(new_tensor, axis=1)
return new_tensor
num_groups = 2
num_channels = 4
eps = 1e-5
img = torch.randn(2, num_channels, 2, 2)
gn = nn.GroupNorm(num_groups=num_groups, num_channels=num_channels, eps=eps)
r1 = gn(img)
print(r1)
r2 = group_norm(img, num_groups=num_groups, num_channels=num_channels, eps=eps)
print(r2)其跟BN有点类似，但是求均值方差的方法跟以前不一样了。这里针对每一个mini_batch执行同样的处理,先将Channel分组，代码中是2，即分为两组，每一组求得该mini_batch上该Group的图像均值方差
然后在进行减均值除方差操作。同BN一样，网络也需要去学习一个gamma，beta参数。最后在进行加权。这里相比于BN，少了一个running_mean和running_std参数。言外之意网络只需要去学习gamma和beta参数。同时训练和测试都采用同样的模式，而不用model.eval（).
