Batch Normalization——李宏毅机器学习笔记

最新推荐文章于 2025-04-06 09:00:00 发布

原创最新推荐文章于 2025-04-06 09:00:00 发布 · 995 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#batch #人工智能

李宏毅机器学习笔记专栏收录该内容

7 篇文章

订阅专栏

本文介绍了特征缩放（Feature Scaling）的重要性及其在深度学习中的应用，特别是在批量归一化（Batch Normalization）技术方面。通过减少内部协方差平移（Internal Covariate Shift），批量归一化能加速深层网络的训练过程。

Batch Normalization

详细可见paper《Batch Normalization: Accelerating Deep Network Training by Reducing Internet Covariate Shift》，2015

Feature Scaling（特征缩放）/Feature Normalization （引言）

Make different features have the same scaling.
不管你是不是需要deep learning，你通常都会用到这个技术。

为什么要feature scaling？
现在的输入往往每一个input feature的每一个维度都会有不同的scale，但是如果他们scale差距很大时，将w1，w2和Loss拿出来作图，我们可以看出如果想要x1,x2对结果的影响一样的那么w1的scale较大、w2的scale较小。w1对结果的影响较大，w2对结果的影响较小。
如果把不同的feature做scaling，make different features have the same scaling，那么它的error surface接近于正圆。
然而椭圆形的error surface在不同的方向上gradient变化不同，在不同的方向上需要给其不同的learning rate，这会让我们的training变得不容易。如果我们做feature scaling，会让我们的error surface变得接近正圆，从而使我们的training变得容易。
所以我们进行feature scaling。
在这里插入图片描述

Feature Scaling是怎么做的？

给了R批Data，然后去计算同一纬度下的mean和standard deviation，然后对每一个数值进行计算（见下图)

在这里插入图片描述通常来说，我们做了feature scaling后，会让我们的training 变得快速。

How about Hidden Layer?

在这里插入图片描述

对每一个layer做feature scaling对Deep learning上是由很大作用的，他会让internal covariate shift（内部协方差平移）问题轻微一些。
internal covariate shift（内部协方差平移）问题：
假设下图中当一个人两边的的话筒连在一起时，整个network才能得到好的processing。
下图，图一中，第二个人左手边的话筒高于右手边话筒，所以第一个人告诉第二个人要把话筒放低一些，第三个人告诉第二个人要把话筒放高一些，当两个都变时，结果会导致图二的现象。
在这里插入图片描述

为了解决这个问题，传统的方法是Learning rate设置的小一些，但是会导致training很慢。
然而batch normalization可以解决这个问题。

为什么batch normalization可以解决internal covariate shift?

如果我们对每一个layer都做feature scaling，那么对下一个layer来说前一个layer的statistic就会是固定的，那么他的training可能就会更容易一些。
在这里插入图片描述
但每一个layer的output，它的mean和standard divation在不断的变化中，因为在整个training的过程中network的参数都是不断变化的。所以，我们没有很简单的办法一下子知道mean和standard divation为多少。
所以我们需要一个新的技术，即batch normalization。

Batch

x1，x2，x3是平行计算的
在这里插入图片描述

Batch Normalization

z——activation function input
a——activation function output
normalization 可以apply在activation function 的input/output，但现在比较多的是对activation function的input做normalization。
在做batch normaliztion的时候，我们希望mean和standard divation代表了整个training set的satistic，这就要求我们的batch不能太小。
在这里插入图片描述
这里“除”是element-wise(仅对应元素操作），mean和standard divation都是vector。

How to do backpropogation?
此时相当于多了两层（mean和standard divation），反向传播的时候也要传这两层。

有时候，你并不希望你得activation function input的 mean=0， standard divation = 1，所以你可以做以下操作，同时也会跟随网络更新。
在这里插入图片描述
mean和standard divation受data影响，β和γ是network学出来的。

在Testing时怎么做？
测试集中的mean和standard divation来自哪里？
理想的方法是using the whole training dataset，但是有时数据集过大，或者没有整合整个数据集。
所以较为实用的方法是：把过去所以的参数记录下来，取平均，但往往我们回给每个值不同的weight，training接近结束的地方的weight比较大。
在这里插入图片描述