批量归一化

橙三吉。 提交于 2020-02-25 23:03:53

对于浅层模型,对输入进行标准化处理,使得各个特征的分布相近,任意一个特征在数据集中所有样本上的均值为0、标准差为1
对于深度模型:
提出批量归一化,利用小批量的均值和标准差,不断调整网络中间输出,使得网络各层的输出数值更稳定

  1. 对全连接层做BatchNormalization

  2. 对卷积层做批量归一化
    位置:卷积计算之后、应用激活函数之前。
    卷积层输出的维度:样本数x通道数x卷积后的高x卷积后的宽 = mxcxpxq
    如果卷积计算输出多个通道,我们需要对这些通道的输出分别做批量归一化,且每个通道都拥有独立的拉伸和偏移参数。
    计算:对单通道,batchsize=m,卷积计算输出=pxq
    对该通道中m×p×q个元素同时做批量归一化,使用相同的均值和方差。

  3. 预测时的批量归一化
    训练:以batch为单位,对每个batch计算均值和方差。
    预测:用移动平均估算整个训练数据集的样本均值和方差。
    因为预测的时候是没有均值和方差做参考的,只能使用移动平均法来估算

      https://blog.csdn.net/zyuPp/article/details/104418772
    
易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!