논문 링크 : 링크텍스트
코드 링크: 링크텍스트
장점
i) 학습속도(training speed)를 빠르게 한다
ii) 가중치 초기화에 대한 민감도 감소
iii) 모델의 일반화 효과 있다.
관련 연구
입력 정규화(Normalization) : 학습 속도 개선
입력 정규화(Normailzation) VS 화이트닝(Whitening)
입력 정규화를 통해 각 차원의 데이터가 동일반 범위 내의 값 가지게 함
각각 평균만큼 빼고 특정 범위의 값으로 조절
화이트닝은 평균이 0, 공분산이 단위 행렬인 정규분포 형태로 변환
각 레이어에 대한 입력 분포
배치 정규화
입력(input)
A mini-batch: Batch={x1,x2,...,xm}
출력(Output)
특징: 레이어의 입력차원이 k일 때, 학습할 두 개의 파라미터도 k차원 가짐
1. 입력 레이어 정규화
2. How to Hidden layer
레어이 입력을 정규화할 때 유의사항
배치 정규화의 성능향상
- 성능효과는 너무 좋음(학습을 위한 파라미터 설정이 편하고 , 학습이 빠르게 수행)
배치 정규화 파라미터 미분 후 계산기 계산
데이터 플로우 그래프
기울기 계산