बैच नॉर्मलाइज़ेशन
बैच नॉर्मलाइज़ेशन (Batch Normalization) एक प्रशिक्षण तकनीक है जिसे सर्गेई इओफ़े (Sergey Ioffe) और क्रिश्चियन सेगेडी (Christian Szegedy) ने 2015 में प्रस्तुत किया था, जो वर्तमान मिनी-बैच पर गणना किए गए माध्य (mean) और प्रसरण (variance) का उपयोग करके प्रत्येक परत के प्री-एक्टिवेशन आउटपुट को सामान्यीकृत (normalize) करती है। प्रशिक्षण के दौरान प्रत्येक परत में जाने वाले इनपुट वितरण को स्थिर करके, यह आंतरिक कोवेरिएट शिफ्ट (internal covariate shift) को काफी कम कर देता है, जिससे उच्च लर्निंग रेट (learning rates) का उपयोग संभव हो पाता है और गहरे नेटवर्क (deep networks) तेज़ी से और अधिक मज़बूती से प्रशिक्षित होते हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Batch Normalization (Normalizing Layer Activations per Mini-Batch). ScholarGate. https://scholargate.app/hi/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.
- ड्रॉपआउट (Dropout)गहन अधिगम↔ compare