我计划使用this blog来实现类似于tf.nn.batch_normalization的批处理归一化功能（或仅使用tf.nn.batch_normalization），以计算均值和方差，但是我希望对矢量和图像类型的时态数据执行此操作。我通常在理解如何在tf.nn.moments中正确设置tf.nn.moments参数时遇到一些麻烦。
我的矢量序列的输入数据的形状为axes，而我的图像序列的输入数据的形状为tf.nn.moments（请注意，它们是RGB图像）。在这两种情况下，我都希望标准化跨时间步跨整个批次和进行，这意味着我非试图针对不同时间步保持独立的均值/方差。
如何为不同的数据类型（例如图像，矢量）以及时间/非时间类型正确设置(batch, timesteps, channels)？
最简单的想法是-传递到(batch, timesteps, height, width, 3)的轴将是collapsed