【深度学习】聊聊Batch Normalization在网络结构中的位置

炼丹知识点

Knowledge Points of alchemy

“葡萄是一点一点成熟的,知识是一天一天积累的。”

Batch Normalization

1. 什么是Batch Normalization？

谷歌在2015年就提出了Batch Normalization(BN)，该方法对每个mini-batch都进行normalize，下图是BN的计算方式，会把mini-batch中的数据正规化到均值为0，标准差为1，同时还引入了两个可以学的参数，分别为scale和shift，让模型学习其适合的分布。

那么为什么在做过正规化后，又要scale和shift呢？当通过正规化后，把尺度缩放到0均值，再scale和shift，不是有可能把数据变回"原样"？因为scale和shift是模型自动学习的，神经网络可以自己琢磨前面的正规化有没有起到优化作用，没有的话就"反"正规化，抵消之前的正规化操作带来的影响。

2. 为什么要用Batch Normalization？

(1) 解决梯度消失问题

拿sigmoid激活函数距离，从图中，我们很容易知道，数据值越靠近0梯度越大，越远离0梯度越接近0，我们通过BN改变数据分布到0附近，从而解决梯度消失问题。

(2) 解决了Internal Covariate Shift(ICS)问题

先看看paper里对ICS的定义:

由于训练过程中参数的变化，导致各层数据分布变化较大，神经网络就要学习新的分布，随着层数的加深，学习过程就变的愈加困难，要解决这个问题需要使用较低的学习率，由此又产生收敛速度慢，因此引入BN可以很有效的解决这个问题。

（3）加速了模型的收敛

和对原始特征做归一化类似，BN使得每一维数据对结果的影响是相同的，由此就能加速模型的收敛速度。

（4）具有正则化效果

BN层和正规化/归一化不同，BN层是在mini-batch中计算均值方差，因此会带来一些较小的噪声，在神经网络中添加随机噪声可以带来正则化的效果。

3. Batch Normalization添加在哪？

所以实际使用上，BatchNorm层应该放在哪呢？层与层直接都要加吗？加在激活函数前还是激活函数后？卷积层和pooling层要不要加？有人说这个应该加在非线性层后，如下顺序。

Linear->Relu->BatchNorm->Dropout

论文里有提到，BN层常常被加到Relu之前，但是没有明确的标准，需要尝试不同配置，通过实验得出结论(很多实验结果偏向于Relu在BN之前)。

那BN层和dropout层的顺序呢？

我们可以看到这样的代码，BN在dropout之后。

也可以看到这样的代码，BN在dropout之前。

实际上，BN消除了对dropout的依赖，因为BN也有和dropout本质一样的正则化的效果，像是ResNet, DenseNet等等并没有使用dropout，如果要用并用BN和dropout，还是建议BN放在dropout之前。

注：对BN和dropout感兴趣的可以看下这篇论文《Understanding the Disharmony between Dropout and Batch Normalization by Variance Shif》

https://arxiv.org/pdf/1801.05134.pdf

敲黑板，记重点！

1、BN层可以缓解梯度消失，解决ICS问题，加速模型的收敛，并且具有正则化效果。

2、 BN层往往添加在Relu层后，Dropout层之前。

往期精彩回顾



适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑温州大学《机器学习课程》视频
本站qq群851320808，加入微信群请扫码：