Batch Normalization
Batch Normalization হলো ২০১৫ সালে Sergey Ioffe এবং Christian Szegedy কর্তৃক প্রবর্তিত একটি প্রশিক্ষণ কৌশল যা বর্তমান মিনি-ব্যাচের গড় (mean) এবং ভেদাঙ্ক (variance) ব্যবহার করে প্রতিটি স্তরের প্রি-অ্যাক্টিভেশন আউটপুটকে স্বাভাবিক (normalize) করে। প্রশিক্ষণের সময় প্রতিটি স্তরে ইনপুট ডিস্ট্রিবিউশনকে স্থিতিশীল করার মাধ্যমে, এটি অভ্যন্তরীণ কোভেরিয়েট শিফট (internal covariate shift) উল্লেখযোগ্যভাবে হ্রাস করে, উচ্চতর লার্নিং রেট (learning rate) ব্যবহার করতে সক্ষম করে এবং গভীর নেটওয়ার্কগুলিকে দ্রুত ও আরও নির্ভরযোগ্যভাবে প্রশিক্ষণ দেয়।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Ioffe, S. & Szegedy, C. (2015). Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift. Proceedings of the 32nd International Conference on Machine Learning (ICML), PMLR 37, 448–456. link ↗
- Goodfellow, I., Bengio, Y. & Courville, A. (2016). Deep Learning (Ch. 8). MIT Press. ISBN: 978-0-262-03561-3
- Ioffe, S. & Szegedy, C. (2015). Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift. arXiv preprint arXiv:1502.03167. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Batch Normalization (Normalizing Layer Activations per Mini-Batch). ScholarGate. https://scholargate.app/bn/deep-learning/batch-normalization
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →