【机器学习】【深度学习】批量归一化(Batch Normalization)

概念简介

归一化指的是将数据缩放到一个固定范围内,通常是 [0, 1],而标准化是使得数据符合标准正态分布。归一化的作用是使不同特征具有相同的尺度,从而使模型训练更加稳定和快速,尤其是对于使用梯度下降法的算法。而标准化的作用加快模型收敛速度,提高模型的性能。

批量归一化用于加速神经网络的训练并提高模型的稳定性。它在每个批次的数据上进行标准化,通过对每层的输入进行归一化处理,使得网络中间层的激活值保持在一个较小的范围内,有助于加速模型的收敛,同时减少了梯度消失和爆炸的问题。所以批量归一化特别适合深层网络。

为什么需要归一化

例如上边这个例子,右图神经网络有两个输入,分别是从3-34和从0-1000的范围。

输入范围的巨大差异会导致在前向传播和反向传播过程中,激活函数的输出也会有很大的波动。如果激活函数是非线性的,大范围输入可能会导致梯度消失或梯度爆炸问题。

输入范围的巨大差异也会导致损失函数在不同维度上的梯度变化不一致,使得优化算法难以有效收敛。

对输入使用归一化可以缓解以上问题,但是在训练后期仍可能出现梯度消失或梯度爆炸问题。这时我们就需要使用批量归一化了。

批量归一化层

批量归一化所做的是仅标准化输入,然后将数据输入到网络中,在网络中所有层的所有输出进行标准化,也就是每层之间都有批量归一化层。它所做的就是标准化数据并做一些其他的工作,然后输出给下一层。

加入批量归一化层的优点

稳定和加速训练过程:归一化减少了不同层之间输入数据分布的变化。

减少梯度消失和爆炸问题:保持零均值和单位方差。

起到轻微正则化的效果:每个小批量的均值和方差略有不同,微小随机性类似于Dropout正则化。

降低对权重初始化的敏感性:减少了调参的难度。

适用于更深的神经网络:深度神经网络往往面临梯度消失或爆炸的问题。

相关推荐
yangshuo12813 分钟前
Augmentcode免费额度AI开发WordPress商城实战
人工智能
JAMES费9 分钟前
分布式AI算力系统番外篇-----超体的现实《星核》
人工智能·分布式
relis20 分钟前
RoPE位置编码缩放因子的最优解:频率维度与位置敏感度的精妙权衡
人工智能·算法·语言模型
山烛38 分钟前
OpenCV 图像轮廓检测
图像处理·人工智能·python·opencv·计算机视觉·轮廓检测
Passwerob1 小时前
Deformable 3D Gaussians:把动态场景装进“可变形的静态世界”
人工智能·python·计算机视觉·3d·3dgs
云卓SKYDROID1 小时前
无人机传感器技术要点与难点解析
人工智能·数码相机·无人机·高科技·云卓科技·固件升级
追寻向上1 小时前
睿联科技2026年秋招内推
java·python·科技
l12345sy1 小时前
Day20_【机器学习—逻辑回归 (2)—分类评估方法】
人工智能·机器学习·逻辑回归·召回率·精确率·分类评估方法·roc与auc
GUPAOAI1 小时前
为什么神经网络网络算法比机器学习模型算法更加强大?
人工智能·深度学习·神经网络·机器学习·ai
爱喝奶茶的企鹅1 小时前
Ethan独立开发新品速递 | 2025-09-03
人工智能