當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

Batch Normalization的作用及原理

發布時間：2025/3/15 编程问答 15 豆豆

生活随笔收集整理的這篇文章主要介紹了 Batch Normalization的作用及原理小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

聲明

由于學習本篇博客的內容時翻閱了很多資源，如知乎、他人博客等，很多內容已經不記得是在哪學到的了，也沒有辦法一一列舉了，能列舉的我盡量列舉，如有侵權，請聯系我刪除，謝謝。

BN是什么[1]

BN是谷歌在這篇文章中提出的。具體的操作是，在每次SGD時，對mini-batch進行規范化操作，使結果的均值為0，方差為1。再經過scale+shift操作，盡量去還原BN前的輸出。

為什么提出BN[1, 2]

先看一下論文的題目《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》，可以看出，BN的動機是降低Internal Covariate Shift（以下簡稱ICS）來加速網絡訓練，下面解釋什么是ICS。

在訓練過程中，由于不同層的參數是不斷變化的，這會導致，對于不同層，輸入的分布是不斷變化的。隨著網絡層數的加深，高層輸入的分布會與原始輸入樣本的分布存在較大差異。以上便是ICS問題。

由于ICS問題，模型的優化難度變大，收斂速度慢。

BN的作用及原理

加速訓練，提高收斂速度[1]

一方面，BN通過固定層間數據分布的方法，解決了ICS問題，從而提高了模型的訓練速度。另一方面，由于BN能夠緩解梯度消失（梯度爆炸），可以提高模型的收斂速度。

緩解梯度消失（梯度爆炸）[3]

不使用BN
在不使用BN時，對于某一層的前向傳播，應有：
$H_l=W_l^TH_{l-1}$
那么該層的反向傳播梯度為：
$?Hl?Hl?1=Wl\frac{\partial H_l}{\partial H_{l-1}}=W_l$
多層累計后的梯度為：
$?Hl?Hk=∏i=k+1lWi\frac{\partial H_l}{\partial H_k}=\prod_{i=k+1}^lW_i$
可以看出，如果 $W_i$ 總是較小的，經過不斷的連乘，梯度呈指數級下降，即梯度消失。反之，如果 $W_i$ 總是較大的，會發生梯度爆炸。
使用BN
帶有BN的前向傳播為：
$Hl=BN(WlTHl?1)=1σl(WlTHl?1?μl)H_l=BN(W_l^TH_{l-1})=\frac{1}{\sigma_l}(W_l^TH_{l-1}-\mu_l)$
則反向傳播的梯度為：
$?Hl?Hl?1=Wl1σl\frac{\partial H_l}{\partial H_{l-1}}=W_l\frac{1}{\sigma_l}$
多層累計后的梯度為：
$?Hl?Hk=∏i=k+1lWi1σi\frac{\partial H_l}{\partial H_k}=\prod_{i=k+1}^lW_i\frac{1}{\sigma_i}$
可以看出，使用BN后，在反向傳播時，使用 $1σi\frac{1}{\sigma_i}$ 對梯度進行了縮放。如果 $W_i$ 較小，則 $W_i^TH_{l-1}$ 較小，則 $σi{\sigma_i}$ 較小， $1σi\frac{1}{\sigma_i}$ 較大， $Wi1σlW_i\frac{1}{\sigma_l}$ 比 $W_i$ 大，實現了放縮。如果 $W_i$ 較大，也是同理。為什么 $W_i^TH_{l-1}$ 較小，則 $σi{\sigma_i}$ 較小？舉個例子，1,5,10,20,30這組數據的標準差是10.5338，而0.1,0.5,1,2,3這組數據的標準差是1.05338。

緩解過擬合[4]

BN能夠緩解過擬合在于引入了noise。對于特定的一層，在某個batch的前向傳播過程中，如果添加了BN操作，則會對該層的輸出進行normalization，具體如下式：
$outputAfter_BN=output?batch_mean(output)batch_variance(output)output_{After\_BN}=\frac{output-batch\_mean(output)}{batch\_variance(output)}$
這說明，在每一次訓練過程中，即使對于相同的樣本，如果在batch中的其他樣本發生了變化， $batch\_mean(output)$ 和 $batch\_variance(output)$ 就會發生變化。這會導致，相同樣本在不同的batch中會產生不同的 $output_{After\_BN}$ ，相當于對于每個樣本都引入了noise。模型為了克服樣本的noise，會更加generalize，即降低了過擬合。

其他相關問題

BN和激活函數的順序問題[5]

現在大多數的模型中都是用BN+ReLU，但是從BN論文的原理上將，其實ReLU+BN似乎能更好的解決ICS問題，下面分析一下兩種方式的優缺點。

BN+ReLU
讓ReLU更好的進行特征選擇，使其單側抑制起作用。
ReLU+BN
更好地解決ICS問題，訓練效率更高。

使用ReLU還需要用BN嗎[6, 7]

由于ReLU有dead neuron問題，使用BN后可以保證有一定占比的神經元處于激活狀態，解決了dying ReLU問題。

[1] https://www.zhihu.com/question/38102762
[2] https://zhuanlan.zhihu.com/p/136701745
[3] https://www.zhihu.com/collection/537883741
[4] https://www.zhihu.com/question/291571486/answer/861428056
[5] https://zhuanlan.zhihu.com/p/113442866
[6] https://www.zhihu.com/question/304603935/answer/544970232
[7] https://www.zhihu.com/question/338802747/answer/784239481

總結

以上是生活随笔為你收集整理的Batch Normalization的作用及原理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。