Chuẩn hóa theo lô (Batch Normalization)
Chuẩn hóa theo lô (Batch Normalization) là một kỹ thuật huấn luyện được giới thiệu bởi Sergey Ioffe và Christian Szegedy vào năm 2015, chuẩn hóa các đầu ra tiền kích hoạt (pre-activation outputs) của mỗi lớp bằng cách sử dụng giá trị trung bình và phương sai được tính toán trên lô nhỏ (mini-batch) hiện tại. Bằng cách ổn định phân phối đầu vào cho mỗi lớp trong suốt quá trình huấn luyện, nó giảm đáng kể sự dịch chuyển nội tại của các lớp (internal covariate shift), cho phép sử dụng tốc độ học lớn hơn và làm cho các mạng sâu huấn luyện nhanh hơn và đáng tin cậy hơn.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Batch Normalization (Normalizing Layer Activations per Mini-Batch). ScholarGate. https://scholargate.app/vi/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 →Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →