Batch normalization简析

Batch normalization简析

What is batch normalization

资料来源：https://www.bilibili.com/video/av15997678/?p=34

Batch normalization通俗来说，就是对每一层都进行normalization处理，而不仅仅是输入数据。

使得数据分布较为均匀地在激活函数的激活范围内，更有效地向前传递

但是normalization不一定是有效的，我们可以让机器自己去学习，看加不加normalization哪一个更有效：

如图，最后我们加一个可以起到反normalization作用的层，两个参数可以通过学习得到。如果机器学习的结果是normalization没有对结果产生正面影响，可以通过调整这两个参数来抵消Normalization的影响

附一个normalization的效果图：

知乎这篇回答对batch normalization的作用有了一个比较深入的阐释，我这里引用一点结论性的内容：

在BN中，是通过将activation规范为均值和方差一致的手段使得原本会减小的activation的scale变大。可以说是一种更有效的local response normalization方法

Parameters in batch normalization

来源：https://www.jianshu.com/p/aa856451f916

BN层引入的参数则和输入层神经元个数相关，假设输入神经元个数为n，则该层引进的参数为

这是为什么呢？就要看我们上面的第二幅图了。从图中可以看到，输入的x经过计算得到x hat,但是γ，β 这两个参数是在正向传播中无法求得的，需要在反向传播中求：

这就是batch normalization层引入的参数

Batch normalization在每一次卷积、全连接后都可以进行使用，所以在计算CNN网络参数个数时要注意