文档摘要

4.5 批归一化：稳住每一道工序的物料 本节摘要：批归一化在每层卷积之后、激活之前，把该通道在一个小批次内的取值拉回均值零、方差一，再用两个可学习参数自由缩放平移。它让深层网络敢用大学习率、收敛更快，几乎是一切现代 CNN 的标配。本节手算一遍归一化数值，分清训练态与推理态的两副面孔，并交代批大小太小时的替代品。 一个漂移的车间会怎样 流水线有个隐含前提：上游工位送来的物料规格稳定。 会员。《4.5 批归一化：稳住每一道工序的物料》收录于灏天文库文集《CNN 深度解析：图像识别的基石》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/449-cnn-%E6%B7%B1%E5%BA%A6%E8%A7%A3%E6%9E%90%E5%9B%BE%E5%83%8F%E8%AF%86%E5%88%AB%E7%9A%84%E5%9F%BA%E7%9F%B3

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流