白化
减均值:使分布以0为中心
除以方差:自然图像本身就是,不用除
BN和dropout
- 使用更高的学习率
- 不用太担心初始化
- 像一个正则项,减少dropout的需求,但不矛盾
- 使更快收敛
实现:weight和bias对应gamma和beta,running mean 和 var对应内部的累计均值和方差,配合momentum在训练时使用,直接在测试时使用。affine控制是否学习scale和shift,即weight和bias。
GPU设置
训练技巧
优化方法的选择
Loss
C=(y−a)22
熵和交叉熵:熵就是最优编码,交叉熵就是用p的最优编码来编码q的平均编码长度。
H(p)=∑xp(x)log2(1p(x))
Hp(q)=∑xq(x)log2(1p(x))
Softmax
softmax 层的输出是一个概率分布。在许多问题中,我们可以很方便地将输出激活值看作是神经网络认为结果是的概率。
aLj=ezLj∑kezLk