BN(Batch Normalization)
批归一化(Batch Normalization)由Google于2015年提出,用于在激活函数之前对每个样本每一层进行归一化,使分布保持稳定,从而使梯度反传时,解决梯度消失的问题。使用批归一化,允许网络使用更大的学习率,加速网络收敛。
BN在深层神经网络的作用很明显:如遇收敛太慢、梯度爆炸、梯度消失等问题,都可以尝试用BN解决。
BN的优势:BN具有提高网络泛化能力的特性,用了BN后可以不需要使用Dropout层,也不用考虑L2正则项参数的选择问题(或者可以选择更小的L2正则约束参数)。