文章目录
- 有什么用？
- 原理是什么，怎么计算？
- 怎么用？
有什么用？
批归一化（Batch Normalization，BatchNorm）是由Ioffe和Szegedy于2015年提出的，目前已被广泛应用在深度学习中，其目的是对神经网络中间层的输出进行标准化处理，使得中间层的输出更加稳定。
- 什么意思呢？
就是这些专家认为啊，模型的收敛需要稳定的数据分布。 - 什么叫稳定的数据分布呢？
以图像处理为例，我们一般会对图像进行预处理，做归一化操作，把[0, 255]之间的数值限制在[-1, 1]之间（均值为0，方差为1），这样数据分布波动就不算大。不然你时而输入为[0.1]时而输入为[255.]对算法来说很难去适应这种数据分布，也就很难收敛。 - 那再输入模型之前做一遍归一化就行了，为什么还要在神经网络中间层的数据进行归一化处理呢？
其实对于浅层网络对输入数据做一遍归一化处理确实就可以了，模型的效果不错。但是对于深层网络,即使你的输入数据已经做过标准化的处理，但是对于那些比较靠后的层，随着参数的不断更新，其接受到的输入仍然是剧烈变化的，导致数值不稳定，难以收敛
所以，Batch Normalization 就是为提升深层网络中的数值稳定性所提出来的方法，能够使神经网络中间层的输出变得更加稳定，有以下三个优点：
- 使学习快速进行（能够使用较大的学习率）
- 降低模型对初始值的敏感性
- 从一定程度上抑制过拟合
原理是什么，怎么计算？
BatchNorm主要思路是在训练时按mini-batch为单位，对神经元的数值进行归一化，使数据的分布满足均值为0，方差为1。分为以下四步：
Step 1: 计算mini-batch内样本均值:
Step 2: 计算mini-batch内样本方差:
Step 3: 计算标准化输出:
其中分母还要加一个‘ε’，它是一个很小的值，比如1e-7，主要是为了避免分母为0的情况。Step 4: 平移和缩放:
因为，研究者认为如果强行地限制每一层的输出都是标准化的，可能会导致某些特征模式的丢失。所以，在标准化之后，BatchNorm就还会做一个缩放和平移。
其中γ和β这两个参数都是可学习的，可以赋初值，一般是（γ=1,β=0）
怎么用？
上面的参数更新都是只在训练过程中才会用到，在预测时，我们不会再计算输入样本的均值和方差，以及更新γ,β两个参数。
其实要这么做的原因很简单，比如现在有两个Batch数据传入到模型中，batch_size=4：
- 其中Batch1=[A, B, C, D]，经过BatchNorm得到[a1, b, c, d]；
- Batch2=[A, X, Y, Z]，经过BatchNorm得到[a2, x, y, z]；
- 这样算出来，a1 ≠ a2。
而我们需要的效果是，同样的数据在预测时，它每一次传入模型，所得到的数据分布都应该是一样的。不然样本的预测结果就会变得不确定，这对预测过程来说是不合理的的，所以我们需要在训练过程中将大量样本的均值和方差存储下来，预测时不计算样本内的均值和方差，而是使用训练时保存值。
训练：滚动平均的方式，计算整个数据集上的均值和方差，并保存
测试：直接加载训练时保存的均值和方差
