Batch Normalization
Feature Scaling/Feature Normalization/Feature Standardization
如果斜率差别大,那么不同方向上需要不同的learning rate,经过feature normalization后,error surface接近正圆形,使得训练更容易
计算过程:
在神经网络的每一层都做feature scaling可以减轻internal covariate shift,可以确保每个layer的output的统计是固定的
internal covariate shift就是指后面layer的参数调整后,前面layer的参数也在同时调整
传统internal covariate shift解决方案:将learning rate调小
可以在激活函数前或者后做batch normalization,在前做的情况比较常用,能确保值是在0的附近,也就是微分比较大的地方
均值和标准差通常应当是基于整个数据集的,但数据集过于庞大,因此通常都会在batch上进行,所以batch的值不能太小
后向传播的时候同样会改变μ 和σ ,并不能直接当作常量,与传统的后向传播有一定的差别
也可以通过γ 和β 改变μ 和σ ,其中μ 和σ 是决定于数据的,而γ 和β 是独立的,因此是不一样的:
测试阶段如何算μ 和σ :
- 将训练集的所有数据收集起来计算μ 和σ
- 将过去算出来的μ 和σ 收集起来,算加权平均
BN的优点:
- 可以将learning rate设置得大一点(减轻internal covariate shift)
- 可以减轻梯度消失,可以保持值在梯度大的地方,尤其是sigmoid,tanh等
- 可以减小初始化参数对学习的影响
- 可以对抗过拟合,等同于做了regularization
- 对training和test都有帮助,对training帮助更大李宏毅教授