Batch Normalization理解总结

一、问题的提出

        在训练深度神经网络时，随着梯度的下降，网络中的参数会不断更新。当前面网络的参数发生微小变化时，随着每一层的前向传播（线性层和激活函数等）而会使该微小的变化随网络的加深而变大，同时参数的改变会使得每一层的数据分布发生变化，这就是 Internal Covariate Shift（内部协变量偏移）。由于内部协变量偏移问题，后面层的网络需要不断调整以适应前面层输入数据分布（参数）的变化，因而在训练网络时需要使用低的学习率并且谨慎选择初始化参数，这使得模型训练的很慢。而且，在深度神经网络中，若使用饱和非线性激活函数（sigmoid，tanh等），可能会导致梯度消失。

        举两个例子：例1：如图一，当输入两组数据大小相差很大时（x1>>x2），在x2上梯度下降快，但在x1上无明显变化。其梯度下降图左下方所示，传统做法是对输入数据进行特征缩放，使其梯度下降如图右下方所示。但由于ICS（内部协变量偏移），若对每层做特征缩放，则很难达到所有层同步变化，因而我们必须降低学习率，谨慎选择初始化参数，致使网络训练较慢。

图一

图二

例2：以使用sigmoid激活函数为例，如上图2二所示，当输入信号值很大（右侧蓝色虚线所标）或者输入信号很小（左侧蓝色虚线所标）时，梯度接近于零，因而容易产生梯度离散现象。

二、以往的解决办法——白化

        白化是机器学习规范数据分布的方法，主要有PCA白化和ZCA白化。它们的目的是去除特征间的相关性，并且使得输入特征分布具有相同的均值和方差。PCA白化和ZCA白化的主要区别是PCA处理后数据服从均值为0，方差为1的标准正态分布；ZCA处理后数据服从均值为0，方差为任意一个值的正态分布。白化通过固定输入特征的分布，加速了模型的训练，但白化也存在一定的问题，如：计算成本高，改变了神经网络本身层的数据表达能力（表达意义）。

三、Batch Normalization的直观思想

        BN就是将打乱的数据集分为若干batch，对于每一个batch单独做normaliazation，使其输入特征服从均值为0，方差为1的标准正态分布。为了保证数据能够表达出原有的含义，对normalization后的数据作线性变换，使其能够表达出原有含义。BN的目的就是通过改变输入数据分布来得到较优梯度。

normalization：

线性变换：

 四、Batch Normalization步骤

 在训练集上，BN步骤为，输入一个mini-batch，求出mini-batch的均值和方差，进行标准化处理，线性变化（变换和平移）。

在测试集上，记录训练集上每个batch均值的期望和方差的期望作为测试集的均值和方差。

使用训练好的β，γ进行线性变换

 训练一个Batch Normalization网络完整算法

 

注：μ，𝞼 由batch中的data决定；β，γ 是网络中的参数，是学习得到的；ε防止方差为0，保持数值的稳定性。

五、Batch Normalization的优缺点

 优点：

        1、对模型初始化和超参数的影响不敏感。如下图所示，将参数乘以k倍，最后结果不变。

             

        2、加速模型的收敛，能使用大的学习率。

        3、有一定的正则化作用，不用dropout，减少正则化的使用，不易过拟合。batch中的数据都是从总体样本中抽样，但不同的mini-batch的均值方差不同，这就相当于增加了随机噪声，与dropout关闭神经元带来噪声类似，有一定正则化效果。

        4、去除局部响应归一化（Alexnet用到的方法），相当于做了数据增强。

缺点：

        1、batchsize 选择要慎重，太小的batch可能得到的均值方差不准确，影响训练。

        2、不太适用于RNN。

参考

1、https://arxiv.org/abs/1502.03167  《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》

2、https://www.bilibili.com/video/BV1Ey4y1y7g1/?share_source=copy_web&vd_source=18dcc28103cc0293145a663372a414fa

3、Batch Normalization(批量归一化)的作用_真心乖宝宝的博客-CSDN博客_批量归一化的作用a