Batch Normalization批标准化
由于深度网络会出现训练速度变慢,梯度消失的问题,BN的作者分析是因为神经元的输入在Sigmoid函数的平缓段。输入值(WX+B)距离0太远,非线性激活函数的结果太接近-1或者1,从而导致训练时出现梯度消失的问题。
BN的操作是根据训练集分布,计算样本均值和方差,将原问题转换成0均值,1方差的标准正态分布。
但是正态分布如果太接近0,太接近线性,会使深度网络失去表达能力,因此有偏移了均值与方差。对每个神经元给出了两个可以设计的参数(通过学习得到),目的是平衡非线性特性与梯度学习速度。
详细内容见:
https://www.cnblogs.com/guoyaohua/p/8724433.html