Normalization综述

一、目录

• 1、什么是Internal Covariate Shift

• 2、Normalization的种类

• 3、BatchNorm

• 4、Layer Normalization

二、什么是Internal Covariate Shift

covariate shift现象的解释

三、 Normalization的种类

BN、WN、LN分别是Batch Normalization、Weight Normalization和Layer Normalization，中文翻译为批标准化，权重标准化，层标准化。

四、BatchNorm

从四个角度来理解：

• BatchNorm的本质思想
• 训练阶段如何做BatchNorm
• 测试阶段如何做BatchNorm
• BatchNorm的好处
  Batch Normalization
  深入理解Batch Normalization批标准化

五、Layer Normalization

batch是“竖”着来的，各个维度做归一化，所以与batch size有关系。
layer是“横”着来的，对一个样本，不同的神经元neuron间做归一化。

显示了同一层的神经元的情况。假设这个mini-batch一共有N个样本，则Batch Normalization是对每一个维度进行归一。而Layer Normalization对于单个的样本就可以处理。

image

BN和LN都可以比较好的抑制梯度消失和梯度爆炸的情况。BN不适合 RNN，而LN刚好适合

层规范化技术 Layer Normalization