Batch Norm的作用

BN做的是归一化某一层隐层的激活单元,使得下一层参数的训练更加快。

做法:给定神经网络中间隐层的值,假设某一层所有的隐层单元为z^{(1)}-z^{(m)}

1. 计算均值:\mu =\frac{1}{m}\sum_{i=1}^{m}z^{(i)}

2. 计算方差:\sigma ^{2}=\frac{1}{m}\sum_{i=1}^{m}(z^{(i)}-\mu )^{2}

3. z_{norm}^{(i)}=\frac{z^{(i)-\mu}}{\sqrt{\sigma ^{2}+\varepsilon} }

4. \tilde{z}^{(i)}=\gamma z_{norm}^{(i)}+\beta  (所以\gamma =\sqrt{\sigma ^{2}+\varepsilon }, \beta =\mu

5. 用\tilde{z}^{(i)}代替代替z^{(i)}

 

未完待续……

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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