
卷积神经网络 (Convolutional Neural Network, CNN) 是一种深度学习模型,常用于计算机视觉任务。除了常见的卷积层、池化层和全连接层,CNN 中还有一个重要的组件就是归一化层 (Normalization Layer)。在本文中,我们将介绍归一化层的作用以及其在 CNN 中的应用。
归一化层的作用是对网络的输入或某一层的输出进行标准化处理,使得数据分布更加平稳,有利于网络训练的稳定性和泛化能力。通俗来说,就是将输入数据尽量映射到均值为0、方差为1的标准正态分布上,以便于后续层的学习。具体地,归一化层可以分为以下两种类型:
批归一化是由 Ioffe 和 Szegedy 在 2015 年提出的方法,它是目前最常用的归一化方法之一。批归一化层的输入数据是一个 batch 的样本,即一个 batch 内的所有样本共同完成标准化处理。具体地,假设 $x$ 是一个 batch 内的输入数据,$mu_B$ 和 $sigma_B^2$ 分别是这个 batch 的均值和方差,则批归一化的计算公式如下:
$$hat{x}=frac{x-mu_B}{sqrt{sigma_B^2+epsilon}}$$
其中 $epsilon$ 是一个小常数,以防止分母为零。在标准化之后,我们还需要将数据映射回原来的分布,即通过一个可学习的缩放参数 $gamma$ 和平移参数 $beta$ 来实现:
$$y=gamma hat{x} + beta$$
可以看出,批归一化层中,除了均值和方差外,还有两个可学习的参数 $gamma$ 和 $beta$,它们的作用是恢复网络的表达能力。
批归一化的优点在于可以增加模型的泛化性,减少过拟合风险;同时也能够加速训练过程并提高模型的收敛速度。但是,在某些情况下,批归一化可能会对模型的表现产生负面影响。例如,当 batch size 很小时,估计出的均值和方差可能存在较大偏差,导致模型性能下降;此外,批归一化的计算量比较大,因此在嵌入式设备等资源受限的场景中可能不太适用。
组归一化是在批归一化的基础上提出的方法,它将样本分为若干个 group,并针对每个 group 进行标准化处理。假设输入数据 $x$ 的 batch size 为 $N$,通道数为 $C$,则可以将其分为 $G$ 个 group,每个 group 包含 $C/G$ 个通道。组归一化的计算公式如下:
$$hat{x}{n,c}=frac{x{n,c}-mu_g}{sqrt{sigma_g^2+epsilon}}$$
其中 $mu_g$ 和 $sigma_g^2$ 分别表示 $g$ 组中所有通道在某个位置 $(n,h,w)$ 上的均值和方差,即:
$$mu_g=frac{1}{NHW}sum_{n=1}^{N}sum_{h=1}^{H}sum_{w=1}^{
W}sum_{c in G} x_{n,c,h,w}$$
$$sigma_g^2=frac{1}{NHW}sum_{n=1}^{N}sum_{h=1}^{H}sum_{w=1}^{W}sum_{c in G}(x_{n,c,h,w}-mu_g)^2$$
与批归一化不同,组归一化的均值和方差是在每个 group 内计算的,因此不受 batch size 影响,可以适用于小批量训练。此外,由于没有 BN 中需要跨样本计算的均值和方差,组归一化的计算量相对较小,适合于大规模数据集和高分辨率图像处理。
除了批归一化和组归一化,还有其他类型的归一化方法,例如层归一化 (Layer Normalization)、实例归一化 (Instance Normalization) 等等。这些方法在具体场景下可能会更优秀,但是我们不在本文中进行细节介绍。
总之,归一化层是卷积神经网络中一个非常重要的组件,它可以提高网络的稳定性和泛化能力。在实际应用中,我们可以根据具体情况选择不同的归一化方法,并结合其他技巧如学习率调整、正则化等来提高模型效果。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为银行精准 ...
2025-07-02探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26