神经网络学习小记录56 |
您所在的位置：网站首页 › batchnorm层输入32*128*200*200 › 神经网络学习小记录56 |
神经网络学习小记录56
|
神经网络学习小记录56——Batch Normalization层的原理与作用
学习前言什么是Batch NormalizationBatch Normalization的计算公式Bn层的好处为什么要引入γ和β变量Bn层的代码实现
学习前言
Batch Normalization是神经网络中常用的层，解决了很多深度学习中遇到的问题，我们一起来学习一哈。 Batch Normalization是由google提出的一种训练优化方法。参考论文：Batch Normalization Accelerating Deep Network Training by Reducing Internal Covariate Shift。 Batch Normalization的名称为批标准化，它的功能是使得输入的X数据符合同一分布，从而使得训练更加简单、快速。 一般来讲，Batch Normalization会放在卷积层后面，即卷积 + 标准化 + 激活函数。 其计算过程可以简单归纳为以下3点： 1、求数据均值。 2、求数据方差。 3、数据进行标准化。 Batch Normalization的计算公式Batch Normalization的计算公式主要看如下这幅图： 前三步是标准化工序，最后一步是反标准化工序。 Bn层的好处1、加速网络的收敛速度。在神经网络中，存在内部协变量偏移的现象，如果每层的数据分布不同的话，会导致非常难收敛，如果把每层的数据都在转换在均值为零，方差为1的状态下，这样每层数据的分布都是一样的，训练会比较容易收敛。 2、防止梯度爆炸和梯度消失。对于梯度消失而言，以Sigmoid函数为例，它会使得输出在[0,1]之间，实际上当x到了一定的大小，sigmoid激活函数的梯度值就变得非常小，不易训练。归一化数据的话，就能让梯度维持在比较大的值和变化率；对于梯度爆炸而言，在方向传播的过程中，每一层的梯度都是由上一层的梯度乘以本层的数据得到。如果归一化的话，数据均值都在0附近，很显然，每一层的梯度不会产生爆炸的情况。 3、防止过拟合。在网络的训练中，Bn使得一个minibatch中所有样本都被关联在了一起，因此网络不会从某一个训练样本中生成确定的结果，这样就会使得整个网络不会朝这一个方向使劲学习。一定程度上避免了过拟合。 为什么要引入γ和β变量Bn层在进行前三步后，会引入γ和β变量，对输入进来的数据进行缩放和平移。 γ和β变量是网络参数，是可学习的。 引入γ和β变量进行缩放平移可以使得神经网络有自适应的能力，在标准化效果好时，尽量不抵消标准化的作用，而在标准化效果不好时，尽量去抵消一部分标准化的效果，相当于让神经网络学会要不要标准化，如何折中选择。 Bn层的代码实现Pytorch代码看起来比较简单，而且和上面的公式非常符合，可以学习一下，参考自知乎https://zhuanlan.zhihu.com/p/269465213： def batch_norm(is_training, x, gamma, beta, moving_mean, moving_var, eps=1e-5, momentum=0.9): if not is_training: x_hat = (x - moving_mean) / torch.sqrt(moving_var + eps) else: mean = x.mean(dim=0, keepdim=True).mean(dim=2, keepdim=True).mean(dim=3, keepdim=True) var = ((x - mean) ** 2).mean(dim=0, keepdim=True).mean(dim=2, keepdim=True).mean(dim=3, keepdim=True) x_hat = (x - mean) / torch.sqrt(var + eps) moving_mean = momentum * moving_mean + (1.0 - momentum) * mean moving_var = momentum * moving_var + (1.0 - momentum) * var Y = gamma * x_hat + beta return Y, moving_mean, moving_var class BatchNorm2d(nn.Module): def __init__(self, num_features): super(BatchNorm2d, self).__init__() shape = (1, num_features, 1, 1) self.gamma = nn.Parameter(torch.ones(shape)) self.beta = nn.Parameter(torch.zeros(shape)) self.register_buffer('moving_mean', torch.zeros(shape)) self.register_buffer('moving_var', torch.ones(shape)) def forward(self, x): if self.moving_mean.device != x.device: self.moving_mean = self.moving_mean.to(x.device) self.moving_var = self.moving_var.to(x.device) y, self.moving_mean, self.moving_var = batch_norm(self.training, x, self.gamma, self.beta, self.moving_mean, self.moving_var, eps=1e-5, momentum=0.9) return y |
这个公式一定要静下心来看，整个公式可以分为四行： 1、对输入进来的数据X进行均值求取。 2、利用输入进来的数据X减去第一步得到的均值，然后求平方和，获得输入X的方差。 3、利用输入X、第一步获得的均值和第二步获得的方差对数据进行归一化，即利用X减去均值，然后除上方差开根号。方差开根号前需要添加上一个极小值。 4、引入γ和β变量，对输入进来的数据进行缩放和平移。利用γ和β两个参数，让我们的网络可以学习恢复出原始网络所要学习的特征分布。【本文地址】
今日新闻 |
推荐新闻 |