什么是Batch Norm:
- 个人感觉,Batch Norm是深度学习中出镜率很高的一项技术,可以使训练更容易、加速收敛、防止模型过拟合。在很多基于CNN的分类任务中,被大量使用(个人理解,BN层很适合分类任务!)。
- BN对图像来说类似于一种对比度的拉伸,其色彩的分布都会被归一化,会破坏了图像原本的对比度信息(所以BN就不适合做超清晰度重建之类的任务)。
- 但是图像分类不需要保留图像的对比度信息,利用图像的结构信息就可以完成分类,所以Batch Norm反而降低了训练难度,甚至一些不明显的结构,在Batch Norm后也会被凸显出来(对比度被拉开了)。