深度学习中的Batch Normalization

Batch Normalization
假设我们有两组training data: x1=[1,2,3,] x 1 = [ 1 , 2 , 3 , ⋯ ] ,x2=[100,200,300,] , x 2 = [ 100 , 200 , 300 , ⋯ ]
当我们利用这组数据进行机器学习的时候,会发现对于第一笔数据 x1 x 1 ,它的梯度会比第二笔数据 x2 x 2 的梯度要小得多,这时候的训练的收敛过程大致可以由下图表现出来。
这里写图片描述
两个权重跨度范围不一样,如果使用相同的学习率,则在 w1 w 1 的学习过程会非常慢,可能 w2 w 2 都收敛了,而 w1 w 1 还没有完成学习过程。
那如果我们对输入进行调整,使它们的分布大致相同的话,它们的收敛速度就会变得一致,收敛过程大概如下图:

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值