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。
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:
深度学习中的Batch Normalization
最新推荐文章于 2024-05-10 09:44:27 发布