Нормалізація батча
Нормалізація батча (Batch Normalization) — це техніка навчання, представлена Сергієм Йоффе та Крістіаном Шегеді у 2015 році, яка нормалізує вихідні дані перед активацією кожного шару, використовуючи середнє значення та дисперсію, обчислені для поточного міні-батча. Стабілізуючи розподіл вхідних даних для кожного шару протягом навчання, вона суттєво зменшує внутрішній зсув коваріати (internal covariate shift), дозволяючи використовувати вищі швидкості навчання та роблячи глибокі мережі швидшими та надійнішими.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Batch Normalization (Normalizing Layer Activations per Mini-Batch). ScholarGate. https://scholargate.app/uk/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 →Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →