Normalització per lots
La Normalització per lots (Batch Normalization) és una tècnica d'entrenament introduïda per Sergey Ioffe i Christian Szegedy el 2015 que normalitza les sortides pre-activació de cada capa utilitzant la mitjana i la variància calculades sobre el mini-lot actual. En estabilitzar la distribució d'entrada a cada capa durant l'entrenament, redueix substancialment el canvi covariant intern, permetent l'ús de taxes d'aprenentatge més altes i fent que les xarxes profundes s'entrenin més ràpidament i de manera més fiable.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Batch Normalization (Normalizing Layer Activations per Mini-Batch). ScholarGate. https://scholargate.app/ca/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 →Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →