什么是Batch Normalization？

一、概念

Batch Normalization是在2015年提出的数据归一化方法，主要用在深度神经网络中激活层之前。它的主要作用是加快模型训练时的收敛速度，使模型训练过程更加稳定，避免梯度爆炸或消失，并起到一定的正则化作用，有时甚至可以替代Dropout。

BN可以应用于全连接层和卷积层，在非线性映射（激活函数）之前对数据进行规范化，使得结果的输出信号的各个维度均值为0，方差为1。这有助于网络的训练，特别是在梯度消失或爆炸的情况下

二、原理

BN的核心思想是让每一层的输入保持一个稳定的分布，这样模型在训练时可以减少对输入分布变化的依赖，从而加速收敛并提升稳定性。具体来说，BN包含以下几个步骤：

1、计算小批量数据的均值和方差

在每一层的输入特征图上，BN会在当前batch的数据上计算其均值和方差。

2、数据归一化

BN对每一个样本的输出进行归一化处理，通过减去均值后再除以标准差，使得归一化后的输出数据具有零均值和单位方差的标准正态分布。

3、缩放和平移

直接归一化会限制模型的学习能力，因为归一化后的输出被严格限制在均值为0和方差为1的分布中。为了恢复模型的表达能力，BN引入了两个可学习的参数：缩放参数γ和偏移参数β，将归一化后的数据进行线性变换：

$y_{i} = \gamma \frac{x_{i}- \mu_{B}}{\sqrt{\sigma^{2}_{B}+ \epsilon}} + \beta$

其中， $\mu_{B}$ 是均值； $\sigma ^{2}_{B}$ 是方差； $\epsilon$ 是一个极小值，用于防止分母为0；缩放参数γ和偏移参数β是可训练参数，参与整个网络的反向传播。

4、示例

这里我们简单调用torch中的nn.BatchNorm1d来实现Batch Normalization。在torch中，训练模型时缩放参数γ和偏移参数β是自动更新的，不需要我们额外操作。

import torch
import torch.nn as nn

# 假设我们有一个输入张量x和一个batch_size
x = torch.randn(6, 10)  # 例如，10维的特征，6是批次大小
print(x)

# 实现Batch Normalization
batch_norm = nn.BatchNorm1d(10)  # 10是特征的维度
x_bn = batch_norm(x)
print(x_bn)

三、python应用

这里，我们简单创建一个MLP，并对比BN前后的数据变化。

import torch
import torch.nn as nn
import matplotlib.pyplot as plt

# 设置随机种子以确保结果可复现
torch.manual_seed(0)

# 创建一个简单的模型
class SimpleModel(nn.Module):
    def __init__(self):
        super(SimpleModel, self).__init__()
        self.linear = nn.Linear(100, 50)  # 一个线性层
        self.bn = nn.BatchNorm1d(50)  # Batch Normalization层

    def forward(self, x):
        x = self.linear(x)
        x = self.bn(x)
        return x

# 创建模型实例
model = SimpleModel()

# 生成模拟数据：100个样本，每个样本100个特征
x = torch.randn(100, 100, requires_grad=True)

# 前向传播，计算BN前的数据
x_linear = model.linear(x)
x_linear = x_linear.detach()

# 计算BN前的数据均值和方差
mean_before = x_linear.mean(dim=0)
var_before = x_linear.var(dim=0)

# 应用BN
x_bn = model(x)
x_bn = x_bn.detach()

# 计算BN后的数据均值和方差
mean_after = x_bn.mean(dim=0)
var_after = x_bn.var(dim=0)

# 绘制BN前后数据的分布
fig, ax = plt.subplots(2, 2, figsize=(12, 8))

# 绘制BN前的数据分布
ax[0, 0].hist(x_linear.detach().numpy().flatten(), bins=30, color='blue', alpha=0.7)
ax[0, 0].set_title('Before BN: Data Distribution')

# 绘制BN后的数据分布
ax[0, 1].hist(x_bn.detach().numpy().flatten(), bins=30, color='green', alpha=0.7)
ax[0, 1].set_title('After BN: Data Distribution')

# 绘制BN前的数据均值和方差
ax[1, 0].bar(range(50), var_before, color='blue', alpha=0.7)
ax[1, 0].set_title('Before BN: Variance per Feature')
ax[1, 0].set_xticks(range(0, 50, 5))

# 绘制BN后的数据均值和方差
ax[1, 1].bar(range(50), var_after, color='green', alpha=0.7)
ax[1, 1].set_title('After BN: Variance per Feature')
ax[1, 1].set_xticks(range(0, 50, 5))

plt.tight_layout()
plt.show()

# 打印BN前后的数据均值和方差
print(f"Mean before BN: {mean_before}")
print(f"Mean after BN: {mean_after}")
print(f"Variance before BN: {var_before}")
print(f"Variance after BN: {var_after}")

四、总结

BN在模型架构搭建的过程中很常用，但也并不是必要的，例如我们在数据预处理的过程中就对数据进行了归一化的话，BN就显得不那么重要了。当然，加上BN在某些场景中也能够使得模型适应不同批次数据的分布变化，且一定程度可以减少内部协变量偏移。具体是否增加BN可以看加入之后是否提升了模型性能。

秒客网