作者：泛音
公众号：知识交点
内容包含：BatchNormalization、LayerNormalization、InstanceNorm、GroupNorm、SwitchableNorm
1.简述
1.1 论文链接
(1)、Batch Normalization https://arxiv.org/pdf/1502.03167.pdf
(2)、Layer Normalizaiton https://arxiv.org/pdf/1607.06450v1.pdf
(3)、Instance Normalization https://arxiv.org/pdf/1607.08022.pdf https://github.com/DmitryUlyanov/texture_nets
(4)、Group Normalization https://arxiv.org/pdf/1803.08494.pdf
(5)、Switchable Normalization https://arxiv.org/pdf/1806.10779.pdf https://github.com/switchablenorms/Switchable-Normalization
1.2 整体介绍
归一化层，目前主要有这几个方法，Batch Normalization（2015年）、Layer Normalization（2016年）、Instance Normalization（2017年）、Group Normalization（2018年）、Switchable Normalization（2018年）；
将输入的图像shape记为[N, C, H, W]，这几个方法主要的区别就是在:
batchNorm是在batch上，对NHW做归一化，对小batchsize效果不好； layerNorm在通道方向上，对CHW归一化，主要对RNN作用明显； instanceNorm在图像像素上，对HW做归一化，用在风格化迁移； GroupNorm将channel分组，然后再做归一化； SwitchableNorm是将BN、LN、IN结合，赋予权重，让网络自己去学习归一化层应该使用什么方法。
2.详细解说
2.1 Batch Normalization
算法过程： (1)、沿着通道计算每个batch的均值u (2)、沿着通道计算每个batch的方差σ^2 (3)、对x做归一化，x’=(x-u)/开根号(σ^2 ε) (4)、加入缩放和平移变量γ和β ,归一化后的值，y=γx’ β 加入缩放平移变量的原因是： 不一定每次都是标准正态分布，也许需要偏移或者拉伸。保证每一次数据经过归一化后还保留原有学习来的特征，同时又能完成归一化操作，加速训练。这两个参数是用来学习的参数。
整体公式:
向传播CODE:
代码语言：javascript复制import numpy as np
def Batchnorm(x, gamma, beta, bn_param):
# x_shape:[B, C, H, W]
running_mean = bn_param['running_mean']
running_var = bn_param['running_var']
results = 0.
eps = 1e-5
x_mean = np.mean(x, axis=(0, 2, 3), keepdims=True)
x_var = np.var(x, axis=(0, 2, 3), keepdims=True0)
x_normalized = (x - x_mean) / np.sqrt(x_var eps)
results = gamma * x_normalized beta
# 因为在测试时是单个图片测试，这里保留训练时的均值和方差，用在后面测试时用
running_mean = momentum * running_mean (1 - momentum) * x_mean
running_var = momentum * running_var (1 - momentum) * x_var
bn_param['running_mean'] = running_mean
bn_param['running_var'] = running_var
return results, bn_param
pytorch中的API:
代码语言：javascript复制torch.nn.BatchNorm1d(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
torch.nn.BatchNorm2d(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
torch.nn.BatchNorm3d(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)
# num_features：来自期望输入的特征数，该期望输入的大小为’batch_size x num_features [x width]’
# eps：为保证数值稳定性（分母不能趋近或取0）,给分母加上的值。默认为1e-5。
# momentum：动态均值和动态方差所使用的动量。默认为0.1。
# affine：布尔值，当设为true，给该层添加可学习的仿射变换参数。
# track_running_stats：布尔值，当设为true，记录训练过程中的均值和方差
2.2 Layer Normalizaiton
batch normalization存在以下缺点：
(1)、对batchsize的大小比较敏感，由于每次计算均值和方差是在一个batch上，所以如果batchsize太小，则计算的均值、方差不足以代表整个数据分布； (2)、BN实际使用时需要计算并且保存某一层神经网络batch的均值和方差等统计信息，对于对一个固定深度的前向神经网络（DNN，CNN）使用BN，很方便；但对于RNN来说，sequence的长度是不一致的，换句话说RNN的深度不是固定的，不同的time-step需要保存不同的statics特征，可能存在一个特殊sequence比其他sequence长很多，这样training时，计算很麻烦。
与BN不同，LN是针对深度网络的某一层的所有神经元的输入按以下公式进行normalize操作。
BN与LN的区别在于：
(1)、LN中同层神经元输入拥有相同的均值和方差，不同的输入样本有不同的均值和方差； (2)、BN中则针对不同神经元输入计算均值和方差，同一个batch中的输入拥有相同的均值和方差。 (3)、LN用于RNN效果比较明显，但是在CNN上，不如BN。 前向传播代码：
代码语言：javascript复制def Layernorm(x, gamma, beta):
# x_shape:[B, C, H, W]
results = 0.
eps = 1e-5
x_mean = np.mean(x, axis=(1, 2, 3), keepdims=True)
x_var = np.var(x, axis=(1, 2, 3), keepdims=True0)
x_normalized = (x - x_mean) / np.sqrt(x_var eps)
results = gamma * x_normalized beta
return results
Pytorch API:
代码语言：javascript复制torch.nn.LayerNorm(normalized_shape, eps=1e-05, elementwise_affine=True)
# normalized_shape：输入尺寸[∗×normalized_shape[0]×normalized_shape[1]×…×normalized_shape[−1]]
# eps：为保证数值稳定性（分母不能趋近或取0）,给分母加上的值。默认为1e-5。
# elementwise_affine：布尔值，当设为true，给该层添加可学习的仿射变换参数。
2.3 Instance Normalization
BN注重对每个batch进行归一化，保证数据分布一致，因为判别模型中结果取决于数据整体分布。
但是图像风格化中，生成结果主要依赖于某个图像实例，所以对整个batch归一化不适合图像风格化中，因而对HW做归一化。可以加速模型收敛，并且保持每个图像实例之间的独立。 公式：
前向代码：
代码语言：javascript复制def Instancenorm(x, gamma, beta):
# x_shape:[B, C, H, W]
results = 0.
eps = 1e-5
x_mean = np.mean(x, axis=(2, 3), keepdims=True)
x_var = np.var(x, axis=(2, 3), keepdims=True0)
x_normalized = (x - x_mean) / np.sqrt(x_var eps)
results = gamma * x_normalized beta
return results
Pytorch API:
代码语言：javascript复制torch.nn.InstanceNorm1d(num_features, eps=1e-05, momentum=0.1, affine=False, track_running_stats=False)
torch.nn.InstanceNorm2d(num_features, eps=1e-05, momentum=0.1, affine=False, track_running_stats=False)
torch.nn.InstanceNorm3d(num_features, eps=1e-05, momentum=0.1, affine=False, track_running_stats=False)
# num_features：来自期望输入的特征数，该期望输入的大小为’batch_size x num_features [x width]’
# eps：为保证数值稳定性（分母不能趋近或取0）,给分母加上的值。默认为1e-5。
# momentum：动态均值和动态方差所使用的动量。默认为0.1。
# affine：布尔值，当设为true，给该层添加可学习的仿射变换参数。
# track_running_stats：布尔值，当设为true，记录训练过程中的均值和方差；
2.4 Group Normalization
主要是针对Batch Normalization对小batchsize效果差，GN将channel方向分group，然后每个group内做归一化，算(C//G)HW的均值，这样与batchsize无关，不受其约束。 前向code：
代码语言：javascript复制def GroupNorm(x, gamma, beta, G=16):
# x_shape:[B, C, H, W]
results = 0.
eps = 1e-5
x = np.reshape(x, (x.shape[0], G, x.shape[1]/16, x.shape[2], x.shape[3]))
x_mean = np.mean(x, axis=(2, 3, 4), keepdims=True)
x_var = np.var(x, axis=(2, 3, 4), keepdims=True0)
x_normalized = (x - x_mean) / np.sqrt(x_var eps)
results = gamma * x_normalized beta
return results
Pytorch API:
代码语言：javascript复制torch.nn.GroupNorm(num_groups, num_channels, eps=1e-05, affine=True)
# num_groups：需要划分为的groups
# num_features：来自期望输入的特征数，该期望输入的大小为’batch_size x num_features [x width]’
# eps：为保证数值稳定性（分母不能趋近或取0）,给分母加上的值。默认为1e-5。
# momentum：动态均值和动态方差所使用的动量。默认为0.1。
# affine：布尔值，当设为true，给该层添加可学习的仿射变换参数。
2.5 Switchable Normalization
本篇论文作者认为：
(1)、第一，归一化虽然提高模型泛化能力，然而归一化层的操作是人工设计的。在实际应用中，解决不同的问题原则上需要设计不同的归一化操作，并没有一个通用的归一化方法能够解决所有应用问题； (2)、第二，一个深度神经网络往往包含几十个归一化层，通常这些归一化层都使用同样的归一化操作，因为手工为每一个归一化层设计操作需要进行大量的实验。
因此作者提出自适配归一化方法——Switchable Normalization（SN）来解决上述问题。与强化学习不同，SN使用可微分学习，为一个深度网络中的每一个归一化层确定合适的归一化操作。 公式：
前向传播CODE：
代码语言：javascript复制def SwitchableNorm(x, gamma, beta, w_mean, w_var):
# x_shape:[B, C, H, W]
results = 0.
eps = 1e-5
mean_in = np.mean(x, axis=(2, 3), keepdims=True)
var_in = np.var(x, axis=(2, 3), keepdims=True)
mean_ln = np.mean(x, axis=(1, 2, 3), keepdims=True)
var_ln = np.var(x, axis=(1, 2, 3), keepdims=True)
mean_bn = np.mean(x, axis=(0, 2, 3), keepdims=True)
var_bn = np.var(x, axis=(0, 2, 3), keepdims=True)
mean = w_mean[0] * mean_in w_mean[1] * mean_ln w_mean[2] * mean_bn
var = w_var[0] * var_in w_var[1] * var_ln w_var[2] * var_bn
x_normalized = (x - mean) / np.sqrt(var eps)
results = gamma * x_normalized beta
return results
3 结果比较
4 参考链接：
本篇大部分内容摘抄自https://blog.csdn.net/liuxiao214/article/details/81037416
