Batch Normalization
原理
BN是对小批量数据进行正则化,其算法原理如下:
我们可以理解为BN的本质就是一个以和为参数,从到的映射。即:
其反向传播如下:
BN在测试时的使用
在测试时,均是使用单个样本进行检测。运行到BN层时使用的均值和方差均是来自于训练样本,随机抽取多个批次,每个批次的大小都是m,进行计算。即:
当然,这样比较麻烦,需要大量的计算。所以在训练时就将均值和方差保存下来,并通过滑动平均(moving average)进行更新。其中的均值和方差分别成为滑动均值和滑动方差:
为采样均值,为采样方差,此处的m为遗忘因子momentum,默认为0.99.
根据参数和和上述方式得到:
CNN中的BN
对于卷积,BN是以feature map为单位,对于的输入,每个feature map计算个数据,有d组参数和。
示例
[1]. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
Weight Normalization
理论:
WN是将权重进行归一化,这个明显区别于BN对数据进行归一化的方式。BN将miniBatch的局部归一化作为全局归一化,进而引入噪声,而WN则没有这个问题,因此WN除了可以应用于CNN,还可以应用于RNN、生成网络和深度强化学习等对噪声敏感的学习中。
一个神经网络节点:
在SGD过程中,将参数解藕为欧式范数和方向向量,则
在反向传播中,和都是损失函数的参数。则其计算方式:
或者另外一种表达方式:
它能够达成两个目标:
- 通过缩放权重梯度
- 远离当前的权重梯度
这些都可以加速收敛,这个类似于优化器中的Momentum或者Adam[2],虽然没有严格意义上对不同参数学习不同的学习率,但是效果上是相似的。
参数的数据依赖初始化
BN每次的缩放都是根据数据进行的,因此优化时,具有很强的鲁棒性。WN则没有这个特征。因此初始化就变得非常重要。
对于每个神经元:
其中和分别是预激活t的均值和标准差。
使用均值为0,标准差为0.05的正态分布;
和分别是第一批样本的统计量进行初始化;
示例
全连接层
def dense(x_, n_filters,init_scaler=1, init=False):
V = tf.get_variable("v", shape=[x_.shape[-1], n_filters], dtype=tf.float32, initializer=tf.random.normal(0,0.05), trainable=True)
g = tf.get_variable("g", shape=[n_filters], dtype=tf.float32, initializer=tf.constant_initializer(1.), trainable=True)
b = tf.get_variable("b", shape=[n_filters], dtype=tf.float32, initializer=tf.constant_initializer(0.), trainable=True)
# x与方向向量相乘
x = tf.matmul(x_,V)
# 缩放系数
scaler = g/tf.sqrt(tf.reduce_mean(tf.square(V), [0]))
x = tf.reshape(scaler, [1, n_filters]) * x + tf.reshape(b, [1,n_filters])
if init:
# 第一批样本的均值和方差
init_mean, init_v = tf.nn.moments(x, [0])
# 初始化的缩放系数
init_scaler = init_scaler/tf.sqrt(init_v+1e-10)
# 利用tf.control_dependencies控制计算流图,先执行g*init_scaler赋值给g和-init_mean*init_scaler赋值给b的两个操作,完成g和b的初始化,再执行之后的。
with tf.control_dependencies([g.assign(g*init_scaler), b.assign_add(-init_mean*init_scaler)]):
x = tf.matmul(x_,V)
scaler = g / tf.sqrt(tf.reduce_mean(tf.square(V), [0]))
x = tf.reshape(scaler, [1, n_filters]) * x + tf.reshape(b, [1, n_filters])
return x
卷基层
def conv2d(x_, n_filters, filter_size=[3,3], stride=[1,1], pad="SAME",init_scaler=1, init=False):
V = tf.get_variable("v", shape=filter_size+[x_.shape[-1], n_filters], dtype=tf.float32,
initializer=tf.random.normal(0, 0.05), trainable=True)
g = tf.get_variable("g", shape=[n_filters], dtype=tf.float32, initializer=tf.constant_initializer(1.),
trainable=True)
b = tf.get_variable("b", shape=[n_filters], dtype=tf.float32, initializer=tf.constant_initializer(0.),
trainable=True)
# weight normalization
w = tf.reshape(g,[1,1,1,n_filters]) * tf.nn.l2_normalize(V, [0,1,2])
# 计算conv2d
x = tf.nn.bias_add(tf.nn.conv2d(x_, w, [1]+stride+[1], pad) + b)
# init
if init:
# 第一批样本的均值和方差
init_mean, init_v = tf.nn.moments(x, [0,1,2])
# 初始化缩放系数
init_scaler = init_scaler/tf.sqrt(init_v+1e-10)
with tf.control_dependencies([g.assign(g*init_scaler), b.assign_add(-init_mean*init_scaler)]):
# weight normalization
w = tf.reshape(g, [1, 1, 1, n_filters]) * tf.nn.l2_normalize(V, [0, 1, 2])
# 计算conv2d
x = tf.nn.bias_add(tf.nn.conv2d(x_, w, [1] + stride + [1], pad) + b)
return x
参考:
[1]. Weight Normalization: A Simple Reparameterization to Accelerate Training of Deep Neural Networks
[2]. An overview of gradient descent optimization algorithms
[3]. openAI/WeightNormal