Group Normalization适用于什么场景？
请解释**组归一化(Group Normalization)**的原理，以及它相比Batch Normalization的主要优势和劣势。
回答
专业代码师
Group Normalization(GN)由何恺明等(2018)提出。将通道(channel)分为G组，对每组内的所有神经元计算均值和方差（在H、W、Group维度上）。优势：(1)与batch size无关——batch size=1时BN完全失效（方差无法估计），GN依然稳定。(2)在batch size小的任务（如目标检测、视频理解、医学图像分割）中优于BN。劣势：(1)batch size足够大（如128+）时，BN略优于GN。(2)需要调参G（通常G=32或G=16）。对比总结：batch size大→BN；batch size小→GN或LN。Instance Normalization(IN)是G=通道数的GN特例（每组1个通道），适用于图像风格迁移。