訓練深度神經(jīng)網(wǎng)絡是一項具有挑戰(zhàn)性的任務。多年來，研究人員提出了不同的方法來加速和穩(wěn)定學習過程。歸一化是一種被證明在這方面非常有效的技術。

在這篇文章中，我將使用類比和可視化的方式來回顧這些方法中，這將幫助您了解它們的產(chǎn)生的原因和思維過程。

為什么要歸一化？

例如，我們現(xiàn)在用兩個特征構建一個簡單的神經(jīng)網(wǎng)絡模型。這兩個特征一個是年齡：范圍在 0 到 65 之間，另一個是工資：范圍從 0 到 10 000。我們將這些特征提供給模型并計算梯度。

不同規(guī)模的輸入導致不同的權重更新和優(yōu)化器的步驟向最小值的方向不均衡。這也使損失函數(shù)的形狀不成比例。在這種情況下，就需要使用較低的學習速率來避免過沖，這就意味著較慢的學習過程。

所以我們的解決方案是輸入進行歸一化，通過減去平均值(定心)并除以標準偏差來縮小特征。

此過程也稱為“漂白”，處理后所有的值具有 0 均值和單位方差，這樣可以提供更快的收斂和更穩(wěn)定的訓練。

這是一個很好的解決方案，那么為什么我們不規(guī)范化網(wǎng)絡中每一層的激活呢？

下面我們先看一下針對于激活的歸一化方法

Batch Normalization

2015 年，Sergey Ioffe 和 Christian Szegedy[3] 采用了這個想法來解決內部協(xié)變量偏移問題。以前輸入層分布由于權值的更新而不斷變化。所以下面的層總是需要適應新的分布，它會導致收斂速度變慢和訓練不穩(wěn)定。

批量標準化提供了一種控制和優(yōu)化每一層之后的分布的方法。該過程與輸入歸一化相同，但我們添加了兩個可學習的參數(shù)，γ 和 β。

通過代碼來說明要比枯燥的公式好的多，所以BN的代碼如下：

def BatchNorm(x, gamma, beta, eps=1e-5): # x: input shape [N, C, H, W] N, C, H, W = x.shape mean = torch.mean(input=x, dim=[0,2,3], keepdim=True) var = torch.var(input=x, dim=[0,2,3], keepdim=True) # mean, var shape : [1, C, 1, 1] x = (x - mean) / torch.sqrt(var + eps) return x * gamma + beta

這兩個參數(shù)是通過反向傳播沿著網(wǎng)絡學習的。他們通過縮放(γ)和移動(β)激活優(yōu)化分布。

由于有固定的分布，所以可以提高學習率并加快收斂速度。除了計算提升之外，BN 還可以作為一種正則化技術。數(shù)據(jù)集統(tǒng)計數(shù)據(jù)的近似產(chǎn)生的噪聲消除了對 Dropout 的需要。

但這是一把雙刃劍。這種估計僅適用于較大的批次。當批次數(shù)量較少時，性能會急劇下降。

BN 的另一個缺點是對于批處理的依賴。如果我們傳遞了單個樣本而不是批量的樣本，網(wǎng)絡必須使用預先計算的訓練均值和方差，這可能會導致不同的結果。

這個問題的重要性促使人們創(chuàng)建替代方法以避免對批處理的依賴。

Layer Normalization

這是Geoffrey E. Hinton等人在2016年[4]中首次嘗試減少對批大小的約束。提出這個方法的主要原因是無法找到將BN應用于遞歸神經(jīng)網(wǎng)絡，需要找到一個替代的方法。

在深度神經(jīng)網(wǎng)絡中，由于層數(shù)是固定的，因此很容易存儲每個 BN 層的統(tǒng)計信息。然而在 RNN 中，輸入和輸出形狀的長度不同。因此，在這種情況下，最好使用單個時間步長（樣本）而不是整個批次的統(tǒng)計信息進行標準化。

def LayerNorm(x, gamma, beta, eps=1e-5): # x: input shape [N, C, H, W] N, C, H, W = x.shape mean = torch.mean(input=x, dim=[1,2,3], keepdim=True) var = torch.var(input=x, dim=[1,2,3], keepdim=True) # mean, var shape: [N, 1, 1, 1] x = (x - mean) / torch.sqrt(var + eps) return x * gamma + beta

在這種方法中，batch(N) 中的每個示例都在 [C, H, W] 維度上進行了歸一化。與 BN 一樣，它可以加速和穩(wěn)定訓練，并且不受批次的限制。此方法可用于批量為 1 的在線學習任務。

Instance Normalization

Dmitry Ulyanov 等人在 2016 年的論文 [5] 中介紹了Instance Normalization。這是另一種嘗試減少對批處理的依賴以改善樣式傳輸網(wǎng)絡的結果。

def InstanceNorm(x, gamma, beta, eps=1e-5): # x: input shape [N, C, H, W] N, C, H, W = x.shape mean = torch.mean(input=x, dim=[2,3], keepdim=True) var = torch.var(input=x, dim=[2,3], keepdim=True) # mean, var shape: [N, C, 1, 1] x = (x - mean) / torch.sqrt(var + eps) return x * gamma + beta

跨批次和通道的標準化允許從圖像中刪除特定的對比度信息，這有助于泛化。

這種方法在 Pix2Pix 或 CycleGAN 等生成模型中廣受歡迎，并成為著名的 StyleGAN2 中使用的自適應實例歸一化的先驅。

Group Normalization

Group Normalization 在 2018[1] 論文中被引入，它直接解決了 CNN 的 BN 限制。主要針對的是分布式學習，其中批次被分成許多機器。這些是在少數(shù)例子上訓練的，比如 6-8，在某些情況下，甚至是 1-2。

GN 可以理解為Layer 和Instance的混合。GN 將通道分成組并在它們之間進行標準化。該方案使計算獨立于批量大小。

def GroupNorm(x, gamma, beta, G, eps=1e-5): # x: input features with shape [N, C, H, W] # G : number of groups N, C, H, W = x.shape x = torch.reshape(input=x, shape=[N, G, C // G, H, W]) mean = torch.mean(input=x, dim=[2,3,4], keepdim=True) var = torch.var(input=x, dim=[2,3,4], keepdim=True) # mean, var shape : [N, G, 1, 1, 1] x = (x - mean) / torch.sqrt(var + eps) x = torch.reshape(input=x, shape=[N, C, H, W]) return x * gamma + beta

GN 優(yōu)于在小批量上訓練的 BN，但無法擊敗大批量的結果，但是這是一個很好的起點。

上面的針對于激活的歸一化方法我們基本上都聽說過也經(jīng)常會用到，下面我們來介紹針對權重的歸一化方法。

Weight Standardization

我們已經(jīng)對輸入和層輸出進行了標準化，唯一剩下的就是權重。因為它們可以在沒有任何控制的情況下變大，尤其是當我們無論如何都要標準化輸出時。通過標準化權重，我們實現(xiàn)了更平滑的損失和更穩(wěn)定的訓練。

def WeightStand(w, eps=1e-5): # w: input features shape [Cin, Cout, kernel_size, kernel_size] mean = torch.mean(input=w, dim=[0,2,3], keepdim=True) var = torch.var(input=w, dim=[0,2,3], keepdim=True) # mean, var shape : [1, Cout, 1, 1] w = (w - mean) / torch.sqrt(var + eps) return w

權重的標準化是Group Normalization的一個很好的輔助。在僅使用一個樣本的 BN（大批量）情況下，將這些方法結合起來會產(chǎn)生更好的結果。

除此以外，有人還提出了BCN方法，稱為批處理通道規(guī)范化。簡而言之，每一層同時使用BN和GN。

總結

歸一化是深度學習中的一個基本概念。它加快了計算速度并穩(wěn)定了訓練。多年來發(fā)展了許多不同的技術。本篇文章整理了目前與它相關的方法，希望對你有所幫助

審核編輯 ：李倩