alexnet实验偶遇：loss nan, train acc 0.100, test acc 0.100情况，通过bn层加快收敛速度，防止过拟合，防止梯度消失、爆炸

场景：数据集：官方的fashionminst + 网络：alexnet+pytroch+relu激活函数
源代码：https://zh-v2.d2l.ai/chapter_convolutional-modern/alexnet.html
知识点：梯度爆炸，梯度弥散
学习文献（向大佬看齐）有：

https://zh-v2.d2l.ai/chapter_multilayer-perceptrons/numerical-stability-and-init.html
https://www.bilibili.com/video/BV1X44y1r77r?spm_id_from=333.999.0.0&vd_source=d49d528422c02c473340ce042b8c8237
https://zh-v2.d2l.ai/chapter_convolutional-modern/alexnet.html
https://www.bilibili.com/video/BV1u64y1i75a?p=2&vd_source=d49d528422c02c473340ce042b8c8237

实验现象：

现象一：

1、代码一开始运行就出现以下情况

现象二：

2、我尝试把学习率调小之后，中途出现loss nan

现象三：

群友a：有时候跑没什么问题，网络也没改什么，有时候出现loss nan，有时候不出现
群友b：可能原因：随机初始化变量值的影响
群友a：尝试解决办法：换了随机种子，出现的轮次只是变后了

我的最短路径解决办法：加入BN层（吃的到老鼠的就是好猫，hhh）

https://zh-v2.d2l.ai/chapter_convolutional-modern/batch-norm.html

def batch_norm(X, gamma, beta, moving_mean, moving_var, eps, momentum):
    # 通过is_grad_enabled来判断当前模式是训练模式还是预测模式
    if not torch.is_grad_enabled():
        # 如果是在预测模式下，直接使用传入的移动平均所得的均值和方差
        X_hat = (X - moving_mean) / torch.sqrt(moving_var + eps)
    else:
        assert len(X.shape) in (2, 4)
        if len(X.shape) == 2:
            # 使用全连接层的情况，计算特征维上的均值和方差
            mean = X.mean(dim=0)
            var = ((X - mean) ** 2).mean(dim=0)
        else:
            # 使用二维卷积层的情况，计算通道维上（axis=1）的均值和方差。
            # 这里我们需要保持X的形状以便后面可以做广播运算
            mean = X.mean(dim=(0, 2, 3), keepdim=True)
            var = ((X - mean) ** 2).mean(dim=(0, 2, 3), keepdim=True)
        # 训练模式下，用当前的均值和方差做标准化
        X_hat = (X - mean) / torch.sqrt(var + eps)
        # 更新移动平均的均值和方差
        moving_mean = momentum * moving_mean + (1.0 - momentum) * mean
        moving_var = momentum * moving_var + (1.0 - momentum) * var
    Y = gamma * X_hat + beta  # 缩放和移位
    return Y, moving_mean.data, moving_var.data

class BatchNorm(nn.Module):
    # num_features：完全连接层的输出数量或卷积层的输出通道数。
    # num_dims：2表示完全连接层，4表示卷积层
    def __init__(self, num_features, num_dims):
        super().__init__()
        if num_dims == 2:
            shape = (1, num_features)
        else:
            shape = (1, num_features, 1, 1)
        # 参与求梯度和迭代的拉伸和偏移参数，分别初始化成1和0
        self.gamma = nn.Parameter(torch.ones(shape))
        self.beta = nn.Parameter(torch.zeros(shape))
        # 非模型参数的变量初始化为0和1
        self.moving_mean = torch.zeros(shape)
        self.moving_var = torch.ones(shape)

    def forward(self, X):
        # 如果X不在内存上，将moving_mean和moving_var
        # 复制到X所在显存上
        if self.moving_mean.device != X.device:
            self.moving_mean = self.moving_mean.to(X.device)
            self.moving_var = self.moving_var.to(X.device)
        # 保存更新过的moving_mean和moving_var
        Y, self.moving_mean, self.moving_var = batch_norm(
            X, self.gamma, self.beta, self.moving_mean,
            self.moving_var, eps=1e-5, momentum=0.9)
        return Y

csdn的其他解决办法：

原理一：

https://www.bilibili.com/video/BV1u64y1i75a?p=2&vd_source=d49d528422c02c473340ce042b8c8237

1、梯度求导+链式法则

1.1、relu激活函数求导性质+梯度爆炸

1、relu的激活函数的导数1或0
2、梯度爆炸：由于导数的链式法则，连续多层大于1的梯度相乘会使梯度越来越大，最终导致梯度太大的问题。
3、梯度爆炸 会使得某层的参数w过大，造成网络不稳定，极端情况下，数据乘以一个大w发生溢出，得到NAN值。

1.2、梯度爆炸的问题：

2.1、sigmoid 激活函数求导性质+梯度消失

1、由于导数的链式法则，在连续的层中，将小于1的梯度相乘会使梯度越来越小，最终在一层中梯度为0。

2.2、梯度消失的问题：

实验现象分析：
1、relu激活函数
2、调整学习率可以使得网络中途输出nan
------》
结论：梯度爆炸

原理二：

https://www.bilibili.com/video/BV1X44y1r77r?spm_id_from=333.999.0.0&vd_source=d49d528422c02c473340ce042b8c8237

1、alexnet相对是比较深的网络：

2、批量归一化中抽取的是“小批量”，带有一定的随机性。一定程度上，这里的小批量会 给网络 带来一定的噪音来控制模型复杂度。

3、批量归一化后，lr学习率可以设置大的数，具有加速收敛的作用

非常感谢李沐大佬的讲解视频！！！！，本文以一个实际的问题出发，了解大佬讲解的知识点。有自己的独特之处
，如有侵权、雷同、错误之处!!,请君指点！！！！！