batch normalization与layer normalization
- batch normalization是对列进行归一化,在每个特征上进行缩放,为了解决量纲不同的问题(蕴含了大数定律的思想,当样本量足够的时候,样本分布和总体分布一致);
- layer normalizaiton是对行进行标准化,使得每行的模为1
【思考】:
1)对于类似于NLP的词向量这种,应该使用LN,因为一个词向量就代表了这个词,并不存在量纲上的影响;而对于一些值为连续型的变量,应该是使用BN来保证这个向量上的量纲一致。
2)BN就是为了用归一化来加速模型收敛速度,但是对于离散变量,embedding就已经达到了归一化的作用!
3)样本量比较少的时候不适合用BN,因为不符合大数定律。
batch normalization与激活函数的顺序
先使用BN,再使用激活函数