基于Theano的深度学习(Deep Learning)框架Keras学习随笔-16-Normalization

        本文来自CSDN博客：http://blog.csdn.net/niuwei22007/article/details/49405199

        本篇介绍的内容很少，只有一项就是归一化层。顾名思义就是能够对输入输出进行归一化操作的结构层。

一、BatchNormalization

keras.layers.normalization.BatchNormalization(epsilon=1e-6, weights=None)

        将前一层的激活输出按照数据batch进行归一化。

        inputshape: 任意。当把该层作为模型的第一层时，必须使用该参数（是一个整数元组，不包括样本维度）

        outputshape: 同input shape一样。

        参数：

• epsilon :small float>0，Fuzz parameter。
• weights:初始化权值。含有2个numpy arrays的list，其shape是[(input_shape,), (input_shape,)]

        本小节参考文献：

• Batch Normalization: AcceleratingDeep Network Training by Reducing Internal Covariate Shift

参考资料：

• 官方教程