人工智能-深度学习：Batch normalization

u013250861

于 2021-01-15 00:00:48 发布

阅读量275

点赞数

分类专栏： # 深度学习/DL 文章标签：人工智能深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/u013250861/article/details/112645373

版权

深度学习/DL 专栏收录该内容

37 篇文章

订阅专栏

BatchNormalization是一种常用的深度学习技术，通过规范化输入数据，它能显著加快模型训练的速度，提高模型的性能。该技术使模型对输入变化更具鲁棒性，并保持训练过程的稳定性，允许使用更大的学习率。尽管在训练和测试时模型的行为有所不同，BatchNormalization仍然是现代神经网络架构中的重要组成部分。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Batch normalization 优点

Converge faster
Better performance
Robust
- Stable
- larger learning rate

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

Batch normalization 在训练、测试时的模型不一样

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。