[总结] 神经网络中 Normalization 的发展历程

柔情只为你懂 2022-01-12 15:55 248阅读 0赞

### 1. Local Response Normalization ###

LRN 最早应该是出现在 2012 年的 [AlexNet][] 中的，其主要思想是：借鉴“侧抑制”（Lateral Inhibitio）的思想实现局部神经元抑制，即使得局部的神经元产生竞争机制，使其中相应值较大的将变得更大，响应值较小的将变得更小。此外，作者在论文中指出使用 LRN 能减少其 AlexNet 在 ILSVRC-2012 上的 top-1 错误率 1.4% 和 top-5 错误率 1.2%，效果较为显著。

![20190622112951151.png][]

其中， a x , y i a^\{i\}\_\{x,y\} ax,yi 表示输入中第  i i i 个 FeatureMap 中位于  ( x , y ) (x,y) (x,y) 的响应值， b x , y i b^\{i\}\_\{x,y\} bx,yi 表示输出中第  i i i 个 FeatureMap 中位于  ( x , y ) (x,y) (x,y) 的响应值， k , n , α , β k,n,\\alpha,\\beta k,n,α,β都是由验证集所决定的超参数 (Hyper-Parameter)。论文中的设定为： k = 2 , n = 5 , α = 1 0 − 4 , β = 0.75 k=2,n=5,\\alpha=10^\{-4\},\\beta=0.75 k=2,n=5,α=10−4,β=0.75。

在 2015 年的 [VGG][] 中，该论文指出 LRN 在 VGG 并无任何用处：

![20190622114438444.png][]

此后，随着 Batch Normalization 等不同 Normalization 的出现，LRN 也开始逐渐落寞。

**PyTorch 相关文档：**

![20190622113635430.png][]

### 2. Batch Normalization ###

BN 应该算是目前使用最多的 Normalization 操作了，现在甚至可以说是 CNN 网络的标配。自 2015 年 2 月的 [Inception V2][] 提出之后，也引出了后续许多不同的 Normalization 的提出。

作者在论文中指出，提出 Batch Normalization 是目的为了解决 ‘internal covariate shift’ 现象（这个应该是属于机器学习的问题，我无法进行详细表达，建议查看其他文章），经过测试后，发现使用 BN 能加速神经网络的收敛速度，并使得神经网络对于初始化的敏感度下降。  
（在 [深度学习中 Batch Normalization为什么效果好？ - 魏秀参的回答 - 知乎][Batch Normalization_ - _ -] 中，答者指出其实 BN 解决的是梯度消失问题（Gradient Vanishing Problem），我感觉其实有点道理的。）

![20190622115517101.png][]

其中， x i x\_i xi 为输入数据， μ B 为 数 据 平 均 值 \\mu\_B 为数据平均值 μB为数据平均值， σ B 2 为 数 据 方 差 \\sigma^2\_B 为数据方差 σB2为数据方差， γ 和 β \\gamma 和 \\beta γ和β 为学习参数。此外， μ B \\mu\_B μB 和  σ B 2 \\sigma^2\_B σB2 是统计量，随着 Batch 的迭代不断更新（一般实现都会对其做滑动平均，不然当 Batch Size 较小时，其统计值的波动会很大，导致网络无法收敛的）。

在 BN 中，作者之所以加上 γ \\gamma γ 和  β \\beta β 这两个仿射参数（Affine Parameter），是为了使得经过 BN 处理后的数据仍可以恢复到之前的分布，从而提升了网络结构的 Capacity，即在做出一定的改变的同时，仍保留之前的能力。

此外，除了 BN 背后的原理这一话题外，大家对 [Batch-normalized 应该放在非线性激活层的前面还是后面？][Batch-normalized]这一话题的讨论也比较激烈，并没有达成统一的观点，只是大部分实验表明BN 放在非线性激活层后比较好，不过仍需要具体任务具体分析。

**PyTorch 相关文档：**

![20190622185721113.png][]

**注意，在 PyTorch 中冻结 BN Layer，不仅需要对将其参数的 requires\_grad 设为 False，还需要将该层的 training 设为 False，即调用 eval 函数；否则，将会导致统计量不断更新，而仿射参数却一直处于冻结状态。此外，一般都会设置 track\_running\_state 为 True，以减小 Batch Size 所造成的统计量波动。**

### 3. Weight Normalization ###

在 2016 年 2 月的 [Weight Normalization: A Simple Reparameterization to Accelerate Training of Deep Neural Networks][Weight Normalization_ A Simple Reparameterization to Accelerate Training of Deep Neural Networks] 中，作者提出了与 BN 完全不同的 Normalization 操作：Weight Normalization，并指出：相较于 BN，WN 摆脱了对于 Batch 的依赖，这意味这 WN 完全可以用在 RNN 网络中（如：LSTM ）以及对于噪声敏感的任务（如：强化学习、生成式模型）中；此外，WN 的计算成本低，可以减少模型的运行时间。

与 BN 不同的是， WN 并不是对输入的特征数据进行归一化操作，而是对神经网络中指定的层的参数做归一化操作。

在论文中，作者将神经网络的层表示为  y = Φ ( w ∗ x + b ) y=\\Phi(w\*x+b) y=Φ(w∗x\+b)，其中， w w w 为权重向量， b b b 为偏置参数， x x x 为输入向量， Φ \\Phi Φ 为非线性激活函数。而 WN 就是对  w w w 做归一化，将  w w w 分解为  w = g ∗ v ∣ ∣ v ∣ ∣ w=g \* \\frac\{v\}\{||v||\} w=g∗∣∣v∣∣v，其中， v ∣ ∣ v ∣ ∣ \\frac\{v\}\{||v||\} ∣∣v∣∣v 为单位向量，代表  w w w 的方向， g g g 为标量，代表  w w w 的长度， ∣ ∣ v ∣ ∣ ||v|| ∣∣v∣∣ 为  v v v 的欧式范数。

![20190622214747849.png][]

在 [详解深度学习中的Normalization，BN/LN/WN][Normalization_BN_LN_WN] 中，作者指出：WN 与 BN 其实是相似的。

![20190622220915443.png][]

论文作者同样提到了这一点。

![20190622221311924.png][]

**PyTorch 相关文档：**

![20190622214413113.png][]

### 4. Layer Normalization ###

在 2016 年 7 月的 [Layer Normalization][] 中，作者提出了一种类似与 BN 的操作： Layer Normalization，提出 LN 的主要目的是为了解决 BN 对 Batch Size 和内存的依赖以及减少 Normalization 所需时间。

LN 与 BN 的不同之处在于：BN 是对一个 Batch 中的所有样本的不同维度做 Normalization，而 LN 是对单个样本中的所有维度做 Normalization。当然，两者的数学公式长得都一样，都是求平均值、方差，做归一化后在做仿射变换。

![20190623105235130.png][]

**Batch Normalization 与 Layer Normalization 的区别：**

![20190622214256955.png][]

举例来说，对于  S i z e = ( N , C , H , W ) Size = (N,C,H,W) Size=(N,C,H,W) 的数据，BN 计算得到的统计量的  S i z e Size Size 为  ( C , 1 ) (C,1) (C,1)，而 LN 计算得到的统计量的  S i z e Size Size 为  ( N , 1 ) (N,1) (N,1)。

![20190623112605313.png][]

（左侧：Batch Normalization，右侧：Layer Normalization）

**PyTorch 相关文档：**

![20190622211442471.png][]

### 5. Instance Normalization ###

在 2016 年 7 月的 [Instance Normalization: The Missing Ingredient for Fast Stylization][Instance Normalization_ The Missing Ingredient for Fast Stylization] 中，作者提出与 LN 类似的操作：Instance Normalization。在论文中，作者指出在图像风格迁移任务中，生成式模型计算得到的 Feature Map 的各个 Channel 的均值与方差将影响到所生成图像的风格。故，作者提出了 IN，在 Channel 层面对输入数据进行归一化，再使用目标图像的 Channel 的均值与方差对结果进行 ‘去归一化’。

值得一提的是，IN 与LN 类似，仅对单个样本进行归一化，但是 IN 并不进行仿射变换。

举例来说，对于  S i z e = ( N , C , H , W ) Size = (N,C,H,W) Size=(N,C,H,W) 的数据，IN 计算得到的统计量的  S i z e Size Size 为  ( N , C ) (N,C) (N,C)。

![20190623120055894.png][]

**PyTorch 相关文档：**

![20190622211358387.png][]

### 6. Cosine Normalization ###

在 2017 年 2 月的 [Cosine Normalization: Using Cosine Similarity Instead of Dot Product in Neural Networks][Cosine Normalization_ Using Cosine Similarity Instead of Dot Product in Neural Networks] 中，作者提出了 Cosine Normalization，不对输入数据做归一化，也不对参数做归一化，而是对输入数据与参数的点乘做出改动，改为计算两者的余弦相似度  c o s θ cos \\theta cosθ，即  w ∗ x w\*x w∗x 变为  w ∗ x ∣ w ∣ ∗ ∣ x ∣ \\frac\{w\*x\}\{|w|\*|x|\} ∣w∣∗∣x∣w∗x。

CN 将模型的输出进行了归一化，使得输出有界，但是也因此丢弃了原本输出中所含的 Scale 信息，所以这个是否值得也有待进一步探讨。

**PyTorch 相关文档：**

![20190623113722109.png][]

### 7. Group Normalization ###

在 2018 年 3 月的 [Group Normalization][] 中，作者提出了 Group Normalization，与 BN 相比，GN 的改进有两点：不再依赖 Batch Size，计算成本可由超参数进行调节。

作者在论文中指出，BN 对于 Batch Size 的依赖使得其无法较好的运用在因内存限制而使用较小 Batch Size 的任务上（如：detection, segmentation, video），故作者令 GN 仅对单个样本进行 Normalization 操作。此外，GN 更像是 LN 与 IN 的一般形式，当  G = 1 G = 1 G=1 时，GN 等价于 LN；当  G = C G = C G=C 时，GN 等价于 IN。

在 [如何区分并记住常见的几种 Normalization 算法][Normalization] 中，作者给出了一张图像，直观的给出了以上 Normalization 的不同之处：

![2019062310474785.png][]

举例来说，对于  S i z e = ( N , C , H , W ) Size = (N,C,H,W) Size=(N,C,H,W) 的数据，GN 计算得到的统计量的  S i z e Size Size 为  ( N , G ) (N,G) (N,G)。

![20190623120616778.png][]

**PyTorch 相关文档：**

![20190622211255330.png][]

**参考资料：**

*  [如何区分并记住常见的几种 Normalization 算法][Normalization]
 *  [详解深度学习中的Normalization，BN/LN/WN][Normalization_BN_LN_WN]
 *  [神经网络之Normalization][Normalization 1]
 *  [深度学习中 Batch Normalization为什么效果好？ - 魏秀参的回答 - 知乎][Batch Normalization_ - _ -]

[AlexNet]: http://202.116.81.74/cache/11/03/papers.nips.cc/40659828b5f8741d01b4efeb826c7f06/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
[20190622112951151.png]: /images/20220112/5147ece71612435fa928566153279f83.png
[VGG]: https://arxiv.org/pdf/1409.1556.pdf
[20190622114438444.png]: /images/20220112/3cf748a553cf4a6793bd8bb9e77fb2ec.png
[20190622113635430.png]: /images/20220112/609389dac1e248d78d83b06782366a7c.png
[Inception V2]: https://arxiv.org/pdf/1502.03167.pdf
[Batch Normalization_ - _ -]: https://www.zhihu.com/question/38102762/answer/85238569
[20190622115517101.png]: /images/20220112/f4827f3143934fee886632a89e79dc8f.png
[Batch-normalized]: https://www.zhihu.com/question/283715823
[20190622185721113.png]: /images/20220112/5e6fdf97725e4ea298d225addb12bea6.png
[Weight Normalization_ A Simple Reparameterization to Accelerate Training of Deep Neural Networks]: https://arxiv.org/pdf/1602.07868.pdf
[20190622214747849.png]: /images/20220112/2fdb689e66f245e89fabf15b7ec7ee53.png
[Normalization_BN_LN_WN]: https://zhuanlan.zhihu.com/p/33173246
[20190622220915443.png]: /images/20220112/eba7dfae69fa4c888775536d37f1b599.png
[20190622221311924.png]: /images/20220112/972e98978a974040a892db60549861f2.png
[20190622214413113.png]: /images/20220112/bfeef21710214c74aaa61e3fc54606b8.png
[Layer Normalization]: https://arxiv.org/pdf/1607.06450.pdf
[20190623105235130.png]: /images/20220112/03da5d06014648df862e68f22627ac24.png
[20190622214256955.png]: /images/20220112/92d07faa4d9943169ce3ed08fbf27043.png
[20190623112605313.png]: /images/20220112/3ee5541c93864112a656a31a9aa40ce9.png
[20190622211442471.png]: /images/20220112/38f9ea17f6804e948e168261564fb380.png
[Instance Normalization_ The Missing Ingredient for Fast Stylization]: https://arxiv.org/pdf/1607.08022.pdf
[20190623120055894.png]: /images/20220112/feaf3e629abf47e9a3de45955fa13231.png
[20190622211358387.png]: /images/20220112/757dba2acc3a4e52b70055a435b4ded3.png
[Cosine Normalization_ Using Cosine Similarity Instead of Dot Product in Neural Networks]: https://arxiv.org/pdf/1702.05870.pdf
[20190623113722109.png]: /images/20220112/c97338b6e11c44dd8985baaf165c3eb7.png
[Group Normalization]: https://arxiv.org/pdf/1803.08494.pdf
[Normalization]: https://zhuanlan.zhihu.com/p/69659844
[2019062310474785.png]: /images/20220112/495fcae5c063478facc8d305cf81b125.png
[20190623120616778.png]: /images/20220112/af793ad379884349a3feede275b1f225.png
[20190622211255330.png]: /images/20220112/60b219e5911d49ccb43b1fd599106258.png
[Normalization 1]: https://zhuanlan.zhihu.com/p/29824075