本博客总结一下各种normalization

1 normalization

1.1 batch normalization

1.1 motivation

介绍normalization 之前先说一下，为什么需要normalization。

covariate shift问题：
每个隐藏层的输入的分布不一致，导致神经网络很难训练

计算方法：
每个batch 里面

batch:
原理：
https://www.cnblogs.com/skyfsm/p/8453498.html
计算细节：
https://blog.csdn.net/c2a2o2/article/details/83410273

why
从梯度的角度考虑，

缺点：

• 1、不适合RNN。序列长度不可知，但BZ需要某一层的所有输出。计算时很麻烦。

• 2、依赖mini batch大小，在大批量时候效果好，不适合在线学习。

2 layer normalizaiton

2.1 motivation

bn的缺点：
1、BN 需要依赖batch，在online learning这种场景不适用
2、不适用rnn，因为在rnn中，如果测试序列比train的序列大，这部分序列没办法用

一般搭配RNN使用？（why）

3、面试题

1 BN有什么缺陷
2 作者：蒋豆芽
链接：https://www.nowcoder.com/discuss/692404?source_id=discuss_experience_nctrack&channel=-1
来源：牛客网

3 除了BN，改激活函数还有什么解决梯度消失的么

• 预训练加微调

• 梯度剪切

使用合理的参数初始化方案，如He初始化

使用 ReLU、LReLU、ELU、maxout 等激活函数

sigmoid函数的梯度随着x的增大或减小和消失，而ReLU不会。

使用批规范化BN

残差结构

4. 加了BN的sigmond还会不会梯度消失
   有可能。

我们假设一种极端的情况。初始权重全为0。

2 pooling

• max pooling
• agv pooling
• min pooling

2.1 pooling的作用

降维

2.2 Pooling 层如何进行反向传播和梯度更新？

对于 max pooling 只对 max value 处进行梯度更新，其它都为 0；对于 average pooling 对之前的 pooling 位置处的所有元素做更新，更新值为 average pooling 层对应位置上的梯度除以采样个数（比如 2x2 pooling 则对应 4）

mean pooling

mean pooling 的前向传播就是把一个 patch 中的值求取平均来做 pooling，那么反向传播的过程也就是把某个元素的梯度等分为 n 份分配给前一层，这样就保证池化前后的梯度（残差）之和保持不变，还是比较理解的，图示如下 ：

max pooling

max pooling 也要满足梯度之和不变的原则，max pooling 的前向传播是把 patch 中最大的值传递给后一层，而其他像素的值直接被舍弃掉。那么反向传播也就是把梯度直接传给前一层某一个像素，而其他像素不接受梯度，也就是为 0。所以 max pooling 操作和 mean pooling 操作不同点在于需要记录下池化操作时到底哪个像素的值是最大，也就是 max _id，这个变量就是记录最大值所在位置的，因为在反向传播中要用到，那么假设前向传播和反向传播的过程就如下图所示 ：

————————————————
版权声明：本文为CSDN博主「烟雨人长安」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Matrix_cc/article/details/105485488

Max Pooling和 Average Pooling的区别，使用场景分别是什么？

https://blog.csdn.net/ytusdc/article/details/104415261