不使用BatchNorm的原因

  相比起batchNorm，groupNorm对一个batch的size更不敏感。在现有的研究中，batchNorm在batchsize越大的情况下，效果更佳，batchsize=32的情况明显优于batchsize=2。

  在许多计算机视觉的任务中，batchsize由于计算机资源的限制，往往只能设置在1~8之间，而利用GPU训练，设置batchsize=32往往更合适。（玄学的设置）

  但GroupNorm根据相关的研究，其对batchsize的敏感性更小，也就是说较小的batchsize和较大的batchsize，都会得到相对而言不错的结果，不会因为batchsize过小而导致结果变差。

相关链接：全面解读Group Normalization-（吴育昕-何恺明 ）——https://zhuanlan.zhihu.com/p/177853578

如何使用GroupNrom？

  如图，num_groups是要设置分组的个数，num_channels是输入数据的维度，与输入数据保持一致即可。

  依据现有的研究，GroupNorm中的G的设置，为32的时候最优，16的时候也还可以。

使用GroupNorm出错的一些情况

groupNorm中设置的groupChannels与输入数据的维度不匹配。

groupNorm中设置的groupNums不能与输入数据的维度整除