Normalization综述

一、目录

  • 1、什么是Internal Covariate Shift

  • 2、Normalization的种类

  • 3、BatchNorm

  • 4、Layer Normalization

二、什么是Internal Covariate Shift

covariate shift现象的解释

三、 Normalization的种类

BN、WN、LN分别是Batch Normalization、Weight Normalization和Layer Normalization，中文翻译为批标准化，权重标准化，层标准化。

四、BatchNorm

从四个角度来理解：

五、Layer Normalization

batch是“竖”着来的，各个维度做归一化，所以与batch size有关系。
layer是“横”着来的，对一个样本，不同的神经元neuron间做归一化。

显示了同一层的神经元的情况。假设这个mini-batch一共有N个样本，则Batch Normalization是对每一个维度进行归一。而Layer Normalization对于单个的样本就可以处理。

image

BN和LN都可以比较好的抑制梯度消失和梯度爆炸的情况。BN不适合 RNN，而LN刚好适合

层规范化技术 Layer Normalization

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容