数据归一化的作用，特点是分组归一化，每个组独立进行归一化处理。

torch.nn.GroupNorm(num_groups,num_channels)
num_groups:组数
num_channels:通道数量

对num_channels这么多个通道分成num_groups个组分别进行归一化

nn.GroupNorm是一个用于定义分组归一化层的类。分组归一化层是一种用于规范化输入数据的技术，常用于深度神经网络中。

nn.GroupNorm创建了一个分组归一化层对象，可以用于前向传播运算。该层将输入数据分成多个组，并分别计算每个组的均值和方差。然后，使用这些均值和方差来对每个组的元素进行归一化。最后，如果启用了仿射变换，将对归一化结果应用可学习的仿射变换（线性变换）。

相比于批归一化（nn.BatchNorm2d()），分组归一化的特点在于将通道分组，使得每个组都有独立的统计量。这在一些较小批次大小的情况下可能更稳定，并且适用于较小的模型或具有较少参数的模型。同时，由于对通道进行分组，分组归一化还可以保持通道之间的相对关系，适用于一些需求特定结构的网络设计。