吴恩达神经网络和深度学习-学习笔记-17-batch归一化（Batch Normalization）（BN）

简介和作用

Batch Normalization会使你的参数搜索问题变得很容易，使神经网络对超参数的选择更加稳定，超参数的范围会扩大，工作效果也很好，同时也能使你更容易地训练深层网络。

针对一个单层的网络，我们讲了归一化输入（将input X归一化，详见笔记8）。

Batch Normalization是指：
面对深度网络，对于任何一个隐藏层而言，我们归一化上一层的a值，以更快地训练这一层的W和b（严格来讲，我们真正归一化的是上一层的Z而不是上一层的a）。
这个操作在PyTorch中有写好的函数，所以原理我没仔细听，但大概还是均值方差那一套，但均值和方差不一定为0和1。


Batch Normalization的作用是他适用的归一化过程不只是输入层，甚至同样适用于神经网络的深度隐藏层。
在用于隐藏层时，我们也许不想隐藏单元值必须是平均值0和方差1（比如使用sigmoid函数的时候）。
有了γ和β两个参数后，我们可以确保所有Z⁽ⁱ⁾的值是我们想赋予的任意值（均值和方差由两个参数γ和β控制）。
它的真正作用是保证隐藏的单元均已使用均值和方差标准化（即：Z⁽ⁱ⁾有固定的均值和方差）。

加速计算的原理

BN起作用的一个直观理解是：它在做相似的事情，但不仅仅对于这里的输出值，还有隐藏单元值（BN作用的冰山一角）。

BN有效的第二个原因（更深的原因）：它可以使权重比你的网络更滞后或更深层（makes weights, later or deeper than your network），比如第10层的权重相比于神经网络中前层的权重，更能经受得住变化（more robust to change to weights in earlier layers of the nerual networks）。

会遇到convariate shift（Google翻译为协变量转移）的问题。

我们以第三层为例，此网络已经学习了参数W^[3], b^[3]。从第三隐藏层的角度来看，它从前层中取得一些值，借着做些什么，希望使得输出值接近真实值。

单独看第三隐藏层，它的工作是找到一种方式，将a的值映射到y的预测值。可能在现在训练好的W^[3]，b^[3]和W^[4]，b^[4]。
但这个网络还有前面的W^[2]，b^[2]和W^[1]，b^[1]。如果这些参数改变，会导致第三隐藏层的输入改变。
所以从第三隐藏层的角度来看，这些隐藏单元的值在不断变化。所以就有了convariate shift的问题。

所以BN做的是减少了这些隐藏值的分布变化的数量。

在网络参数更新的时候，z^[1]，z^[2]（这里以二维举例，当然实际情况不一定是二维）的值也会相应改变。而BN保证了，无论其怎么变化，二者的方差和均值都不变。
更具体地说，BN限制了在前层的参数更新影响数值分布的程度（W，b变化对z分布的影响程度），从而减少了各个层的输入值改变的问题，以至于神经网络的之后层就会有更坚实的基础。
或者换句话说，BN减弱了前层参数的作用与后层参数的作用之间的联系。它使得网络每层都可以自己学习，稍稍独立于其他层。而这有助于加速整个网络的学习。

**另外，BN有轻微的正则化效果。**均值和标准偏差的估值会带来噪音，这迫使后部单元不过分依赖于任何一个隐藏单元。
应用较大的mini-batch size，可以减少正则化效果。

在神经网络的应用

BN一次只能处理一个mini-batch的数据。
我们可以认为每个单元负责计算两件事：

• 计算z
• 由z通过激活函数计算a

而在应用BN的神经网络中，会在计算z和计算a之间进行Batch Normalization的操作。如下：

相应的，模型的参数就会有W，b，β，γ。
这个操作在PyTorch中有写好的函数，但是理解原理还是很不错的。

在实践中，BN和mini-batch经常一起使用。所以我们应用BN的方式就是：

另外参数b的大小不再起作用，因为最终会被Normalization的均值抵消。所以我们在使用BN的时候可以不用b，或者将其置零。

参数维度如下：

小结

我们来梳理一下应用了BN的神经网络的前向传播和反向传播。

在每个epoch中：
我们先前向传播，途中用归一化的z来代替原来的z，使z具有确定的均值和方差（符号见图，我为了简单就都用z表示了）。
之后再反向传播，更新参数W，β，γ的值（不用管b）。