1、在PyTorch中，常用的归一化方法主要包括以下几种Batch Normalization 描述通过计算每个batch的均值和方差，对数据进行标准化适用场景适用于样本量较大且数据分布相近的情况特点实质上是一种数据增强手段，但在单个样本情况下可能会引入噪声，影响模型稳定性Layer Normalization 描述针对每个；粗略考察杂质含量由于峰面积归一化法的测定误差相对较大，因此它通常只能用于粗略考察供试品中的杂质含量不适用微量杂质检查除另有规定外，归一化定量法一般不宜用于微量杂质的精确检查，因为其精度不足以满足微量杂质分析的要求操作要点测量峰面积在实际操作中，需要测量各杂质峰的面积以及色谱；归一化Normalization则适用于数据分布不确定或者需要将数据映射到固定范围如01的情况常用的归一化方法有三种均值归一化Mean Normalization最小最大归一化MinMax Normalization和单位向量归一化Unit Vector Normalization这些方法都能将数据缩放到特定的范围内，但具体的缩放方式。