算法知识点-神经网络归一化方法

35 篇文章 0 订阅 ¥299.90 ¥99.00

归一化:对神经网络参数的标准化,使其参数分布更为均衡统一。可以有效的环境梯度消失和梯度爆炸问题。
BatchNorm:在Batch上对NHW进行归一化,常用于图像上,原因在于图像特征提取认为通道信息对于图像特征具有重要意义,所以需要保留通道信息,对每个Batch归一化。对小BatchSize效果不好。
LayerNorm:在通道上对CHW进行归一化,常用于自然语言处理,认为文字本身含义与句子长短等信息无关,故在通道上归一化。对RNN作用明显。
InstanceNorm:在像素上进行归一化,常用于风格迁移。
GroupNorm:对通道进行分组,然后分组归一化。
SwitchNorm:将BN、LN、IN组合,赋予权重让网络自行学习。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI看世界

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值