BN的作用原理（BN、LN、IN和GN）

目录

为什么引入BN？

BN的作用原理

BN的优点

 BN的不足

BN、LN、IN和GN之间的区别

参考

---

为什么引入BN？

为加速网络的训练，在图像预处理时，我们就后对图像进行标准化操作，即image normalization，是的每张图片都能服从u均值σ标准差的分布。但是当图片输如到神经网络后，每经过一次卷积，数据就不会再服从该分布，这种现象叫做ICS（Internal Covariate Shift，内部协变量偏移），该现象会使输入分布变化，导致模型的训练困难，对深度神经网络影响极大，如左图所示，数据分布不统一，深层网络就需要去适应这些数据分布，从而导致网络训练速度慢。如果不进行归一化，直接进行激活，很可能一些新的数据会落入激活函数的饱和区，导致神经网络训练的梯度消失，如右图所示当feature map的数据为10的时候，就会落入饱和区，影响网络的训练效果。这个时候我们引入Batch Normalization的目的就是使我们卷积以后的feature map满足均值为0，方差为1的分布规律。BN本质是解决梯度消失的问题。

BN的作用原理

BN作用位置：BN是对同一个batch中不同样本图片（输入的image）之间的同一channel的神经元（像素）进行归一化。

如图所示，一个batch中有两个图片，每个图片有三个通道，我们进行BN的位置就是对该batch中不同图片的相同通道的像素进行归一化计算。

BN前向推导公式：

下面我们用一个例子来看看BN是如何计算的，以batchsize=2为例，每个feature map有两个通道。

首先对两个feature的相同位置的通道如channel1，计算整个channel1的均值=1和方差=1，然后将channel1中每个像素减均值除标准差，得到右边归一化数据。同理，channel2做相同操作，得到归一化后的数据。最后将归一化后的每一个像素乘γ（缩放因子）加β（平移因子）得到BN的结果。

为什么引入γ和β？

• BN首先是得输入Normalization，对数据的分布进行额外的约束，使其变成均值为0，方差为1的分布，增强模型的泛化能力。normalization缓解了ICS，使得每一层的输入变得稳定，但是同时也降低了模型的拟合能力，缺乏了数据原有的表达能力，使得底层学习到的信息丢失，并且均值为0，方差为1，在经过sigmoid的时候，容易陷入到其线性区域，破坏了之前学习到的特征分布。所以引入γ（缩放因子）和β（平移因子），恢复数据的表达能力，对规范后的数据进行线性变换，与之前的网络层解耦，从而更加有利于优化的过程，提高模型的泛化能力。

BN的优点

• 加速网络训练
• 防止梯度消失问题
• 防止过拟合
• 此外，使用BN还可以使用更大的学习率，减少对初始化的依赖，减少了dropout的使用，

为什么BN可以加速网络训练？

• 低层的微弱变化会引起高层的输入分布的变化，高层的网络需要不断地调整去适应输入的变化。从而导致收敛速度慢，学习速度慢。所以在没有使用BN之前，我们都要选择一个小的学习率和合适的初始化参数。

 BN的不足

• 当batch size较小时（如2、4），该batch数据的均值和方差的代表性较差，因此对最后的结果影响也较大。随着batch size越来越小，BN层所计算的统计信息的可靠性越来越差，这样就容易导致最后错误率的上升；而在batch size较大时则没有明显的差别。虽然在分类算法中一般的GPU显存都能cover住较大的batch设置，但是在目标检测、分割以及视频相关的算法中，由于输入图像较大、维度多样以及算法本身原因等，batch size一般都设置比较小，所以GN对于这种类型算法的改进应该比较明显。

  

  如上图，可见 BN 随着 batchsize 减小，性能下降比较明显。
  由于BN训练的时候是基于一个 mini-batch 来计算均值和方差的，这相当于在梯度计算时引入噪声，如果 batchsize 很小的话， BN 就有很多不足。不适用于在线学习（batchsize = 1）当数据是大图片，并且一个batch一般都只有1-2张图片，不建议使用 BN。
   

为什么BN层一般在线性层和卷积层后面，而不是放在非线性单元后面?
        因为非线性单元的输出分布形状会在训练过程中发生变化，归一化无法消除他的方差偏移，相反的，全连接层和卷积层的输出是一个对称的，非稀疏的分布，类似于高斯分布，对他们进行归一化会产生更加稳定的分布。如果像relu这样的激活函数，如果输入的数据是一个高斯分布，经过它变换之后的数据是什么形状？小于0的被抑制了，也就是分布小于0的部分直接变成0了。

注意：

• 训练和测试时BN是不同的：训练时的均值方差来源于当前的mini-batch数据，而测试时，则要使用训练使用过的全部数据的均值方差，这一点训练时就通过移动均值方法计算并保存下来了。

 使用BN时需要注意的问题
（1）训练时要将traning参数设置为True，在验证时将trainning参数设置为False。在pytorch中可通过创建 模型的model.train()和model.eval()方法控制。
（2）batch size尽可能设置大点，设置小后表现可能很糟糕，设置的越大求的均值和方差越接近整个训练集的均值和方差。
（3）一般将bn层放在卷积层（Conv）和激活层（例如Relu）之间，且卷积层不要使用偏置bias。
下面我来用公式证明为什么不要使用篇置：

BN、LN、IN和GN之间的区别

• BatchNorm：batch 方向做归一化，算 N ∗ H ∗ W 的均值
• LayerNorm：channel 方向做归一化，算 C ∗ H ∗ W的均值
• InstanceNorm：一个 channel 内做归一化，算 H ∗ W 的均值
• GroupNorm：将 channel 方向分 group ，然后每个 group 内做归一化，算( C / / G ) ∗ H ∗ W 的均值

针对每一个 γ 和 β，GN 是对每一个 channel 进行学习的

其中两维 C 和 N 分别表示 channel 和 batch size，第三维表示 H,W，可以理解为该维度大小是 H ∗ W ，也就是拉长成一维，这样总体就可以用三维图形来表示。可以看出 BN 的计算和 batch size 相关（蓝色区域为计算均值和方差的单元），而 LN、BN 和 GN 的计算和 batch size 无关。同时 LN 和 IN 都可以看作是 GN 的特殊情况（LN 是 group=1 时候的 GN，IN 是 group=C 时候的GN）。
 

参考

BN的作用

Batch Normalization详解以及pytorch实验

一文搞懂BN的原理及其实现过程