深度学习中的Norm

在深度学习中会经常遇到BatchNorm、LayerNorm、InstanceNorm和GroupNorm，四者区别如下：

除此之外还有SwitchableNorm的方法，下面会逐一进行介绍。

BatchNorm

BatchNorm 的处理对象是对一批样本 的同一个通道特征，BatchNorm 是对这批样本的同一维度特征计算均值和方差做归一化，BatchNorm在CV领域应用较多。

BatchNorm的好处有以下三点：

1、提高梯度在网络中的流动。Normalization能够使特征全部缩放到[0,1]，这样在反向传播时候的梯度都是在1左右，避免了梯度消失现象。

2、提升学习速率。归一化后的数据能够快速的达到收敛。

3、减少模型训练对初始化的依赖。

LayerNorm 的处理对象是每单个样本 的所有通道特征，LayerNorm 是对这单个样本的所有维度特征计算均值和方差做归一化。LayerNorm在NLP领域应用较多。

由于不同维度的特征量纲往往不同，那么我们为什么还要使用LayerNorm呢？因为NLP领域中，LayerNorm更为合适。

如果我们将一批文本组成一个batch，那么BatchNorm是对每句话的同一维特征（同一个位置）进行操作，而我们理解文本是一句话一句话地阅读，这不符合NLP的规律。

而LayerNorm则是针对一句话进行归一化的，且LayerNorm一般用在第三维度，如[batchsize, seq_len, dims]中的dims，一般为词向量的维度等等，这一维度各个特征的量纲应该相同。因此也不会遇到上面因为特征的量纲不同而导致的归一化缩放问题。

InstanceNorm的处理对象是每单个样本 的同一个通道特征，InstanceNorm是对单个样本同一个维度特征计算均值和方差做归一化，InstanceNorm在风格化迁移应用较多。

因为在图像风格化中，生成结果主要依赖于某个图像实例，所以对整个batch归一化不适合图像风格化中，因而对HW做归一化。可以加速模型收敛，并且保持每个图像实例之间的独立。

GroupNorm的处理对象是每单个样本 的同一组通道特征，GroupNorm是对单个样本同一组维度特征计算均值和方差做归一化。

SwitchableNorm是将BatchNorm、LayerNorm、InstanceNorm结合，赋予不同的权重，让网络自适应地学习归一化层。