(Batch Normalization)批标准化算法理解

批标准化(Batch Normalization)是一种用于加速神经网络训练、缓解梯度消失和爆炸问题的技术,通过对每层输入进行规范化,保持输入信号的稳定分布。它在训练过程中通过计算批量数据的均值和标准差来标准化层的输入,并在测试时使用训练集的移动平均值和方差。批标准化的优点包括加快收敛速度、避免局部最小和缓解过拟合。
摘要由CSDN通过智能技术生成

批标准化

1.概念

batch normalization,就是“批规范化”,即为了克服神经网络层数加深,收敛速度变慢,常常导致梯度消失(vanishing gradient problem)或梯度爆炸(gradient explore),通过引入批标准化来规范某些层或者所有层的输入,从而固定每层输入信号的均值与方差。

2.方法

批标准化: 一般用在非线性映射(激活函数)之前,对 x=Wu+b x = W u + b 做规范化,使结果(输出信号各个维度)的均值为0,方差为1 。让每一层的输入有一个稳定的分布会有利于网络的训练。
BN算法在网络中的应用
传统的神经网络,只是在将样本x输入输入层之前对x进行标准化处理(减均值,除标准差),以降低样本间的差异性。BN是在此基础上,不仅仅只对输入层的输入数据x进行标准化,还对每个隐藏层的输入进行标准化。如下图
这里写图片描述
标准化后的x乘以权值矩阵 Wh1 W h 1 加上偏置 bh1 b h 1 得到第一层的输入 Wh1x+bh1

评论
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
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