摘要：為了解決這個(gè)問題出現(xiàn)了批量歸一化的算法，他對(duì)每一層的輸入進(jìn)行歸一化，保證每層的輸入數(shù)據(jù)分布是穩(wěn)定的，從而加速訓(xùn)練批量歸一化歸一化批，一批樣本輸入，，個(gè)樣本與激活函數(shù)層卷積層全連接層池化層一樣，批量歸一化也屬于網(wǎng)絡(luò)的一層，簡稱。

【DL-CV】數(shù)據(jù)預(yù)處理&權(quán)重初始化<前篇---后篇>【DL-CV】正則化，Dropout

先來交代一下背景：在網(wǎng)絡(luò)訓(xùn)練的過程中，參數(shù)的更新會(huì)導(dǎo)致網(wǎng)絡(luò)的各層輸入數(shù)據(jù)的分布不斷變化，那么各層在訓(xùn)練的過程中就需要不斷的改變以適應(yīng)這種新的數(shù)據(jù)分布，從而造成網(wǎng)絡(luò)訓(xùn)練困難，收斂變慢（而且網(wǎng)絡(luò)越深越難），在論文中這個(gè)問題被稱為“Internal Covariate Shift”。為了解決這個(gè)問題出現(xiàn)了批量歸一化的算法，他對(duì)每一層的輸入進(jìn)行歸一化，保證每層的輸入數(shù)據(jù)分布是穩(wěn)定的，從而加速訓(xùn)練

Normalization——“歸一化”

Batch——“批”，一批樣本輸入，batch_size=m，m個(gè)樣本

與激活函數(shù)層、卷積層（cnn）、全連接層（FC）、池化層一樣，批量歸一化也屬于網(wǎng)絡(luò)的一層，簡稱BN。BN通常用在FC/cnn之后，激活函數(shù)層之前，他對(duì)FC/cnn的輸出的每一維進(jìn)行歸一化（歸一化至：均值0、方差為1），然后變換重構(gòu)后再把數(shù)據(jù)喂給下一層網(wǎng)絡(luò)。

對(duì)輸入數(shù)據(jù)的每一維x^k（每一列）進(jìn)行歸一化得到$hat{x}^{k}$
$$hat{x}^{(k)} = frac{x^{k} - E[x^{k}]}{sqrt{Var[x^{k}]}}$$

通過該公式我們強(qiáng)行把數(shù)據(jù)歸一化，特征分布成功被壓縮至標(biāo)準(zhǔn)差為1。但這種變化是有破壞性的，原來的特征分布都被搞亂了那還學(xué)個(gè)鬼？——為了解決這一問題，我們對(duì)歸一化后的數(shù)據(jù)再進(jìn)行變換重構(gòu)，以恢復(fù)原來的特征

對(duì)于歸一化后輸入$hat{x}^{k}$，我們?cè)僖雰蓚€(gè)可供學(xué)習(xí)的參數(shù)$gamma$和$eta$使
$$y^{k} = gamma^{k}hat{x}^{k}+eta^{k}$$
注意如果$gamma^{k}=sqrt{Var[x^k]}$，$eta^{k}=E[x^k]$時(shí)，是可以恢復(fù)原有的特征的。這就是引入這兩個(gè)參數(shù)的意義，雖然網(wǎng)絡(luò)不太可能學(xué)習(xí)到$gamma^{k}=sqrt{Var[x^k]}$，$eta^{k}=E[x^k]$，但是好歹通過學(xué)習(xí)到這兩個(gè)參數(shù)盡可能地回復(fù)原有的特征（實(shí)踐中的表現(xiàn)說明這是有用的）

最后總結(jié)BN操作：（m是mini batch size，根號(hào)中的ε是一個(gè)很小的數(shù)防止分母為0）

上面講了這么多其實(shí)都是訓(xùn)練時(shí)的BN算法，訓(xùn)練時(shí)是一個(gè)一個(gè)batch進(jìn)去的，訓(xùn)練完成后得到$gamma$和$eta$。但是在測(cè)試時(shí)，我們只是丟一個(gè)樣本進(jìn)去讓網(wǎng)絡(luò)預(yù)測(cè)，試問一個(gè)樣本何來均值和方差？
均值和方差最好的來源是整個(gè)訓(xùn)練集，但是整個(gè)訓(xùn)練集往往太大，我們不太想算。能不能從現(xiàn)成的 mini batch 的均值和方差（因?yàn)樵谟?xùn)練時(shí)算了出來）估計(jì)出整個(gè)訓(xùn)練集的均值和方差呢——當(dāng)然可以，因?yàn)閙ini batch是隨機(jī)取樣的：
$$E[x] = E_B[mu_B]$$
$$Var[x] = frac{m}{m-1}E_B[sigma_B^2]$$
即平均值為所有mini-batch的平均值的平均值，而方差為每個(gè)batch的方差的無偏估計(jì)。當(dāng)網(wǎng)絡(luò)訓(xùn)練完后，我們通過訓(xùn)練時(shí)保存下來的每個(gè)batch的均值與方差估算出全局均值與方差供測(cè)試時(shí)使用，也就是說當(dāng)網(wǎng)絡(luò)訓(xùn)練完后每個(gè)BN層中的均值也和標(biāo)準(zhǔn)差也會(huì)隨之確定。

能選擇較大的初始學(xué)習(xí)率，提高訓(xùn)練收斂速度

你再也不用去理會(huì)過擬合中drop out、L2正則項(xiàng)參數(shù)的選擇問題，采用BN算法后，你可以移除這兩項(xiàng)了參數(shù)，或者可以選擇更小的L2正則約束參數(shù)了，因?yàn)锽N自帶正則化的特性，能提高網(wǎng)絡(luò)泛化能力

減少梯度爆炸/消失的出現(xiàn)，特別對(duì)于tanh，sigmoid這類會(huì)兩端飽和的激活函數(shù)

減少對(duì)參數(shù)初始化的依賴，就算參數(shù)初始化得不好，在BN的加持下網(wǎng)絡(luò)還是表現(xiàn)較好

雖然BN是2015才提出來的（看上去像個(gè)新米），但是他表現(xiàn)也超凡，BN算法已經(jīng)被大量使用于深度學(xué)習(xí)中，真的是nb

Batch Normalization 論文

以上的BN使用是基于全連接層的，輸入數(shù)據(jù)都是二維矩陣。BN也可以用在cnn中，用法不同，可以參考此文章

推薦 BN導(dǎo)讀