onnx中Instance normalization和MVN以及Batch normalization（training mode and batch_size=1）有什么区别？
我的 pytorch 模型目前正在使用实例归一化，但我的最终范围是通过 onnx 转换 Openvino（版本 2020.3）中的模型。与此规范化不兼容（参见下面的链接），仅支持批量规范化（BN）。
如果批量大小为 1 且训练模式打开（here），BN 与实例归一化的工作方式相同。 onnx 中的转换有效，输出是相同的，但 Openvino 很难处理这个 training_mode=on 参数，它只是在导出图中某处写入的虚拟特征。
我看到有机会改用 MVN（nx-openvino here 和 here 函数上的兼容性操作，across_channels=false）。 Onnx 似乎支持此操作（here）但我不知道如何在 pytorch 中使用/包含它，它将在 onnx 中转换并最终由 openvino 支持。我不是 openvino 的专家，也不是 onnx，但这就是生活的方式:)。
这个 MVN 是否可以与 pytorch 中的实例规范化相媲美？重新训练模型后，我会得到相同的输出吗？
感谢您的帮助