深度学习中的normalization总结（BN、LN、WN、IN、GN）

独立同分布（iit）的数据可以简化常规机器学习模型的训练、提升机器学习模型的预测能力，因此，在把数据喂给机器学习模型之前，“白化（whitening）”是一个重要的数据预处理步骤。白化一般包含两个目的：
（1）去除特征之间的相关性 —— 独立；
（2）使得所有特征具有相同的均值和方差 —— 同分布。
白化最典型的方法就是PCA。
对于神经网络的各层输出，由于它们经过了层内操作作用，其分布显然与各层对应的输入信号分布不同（但条件概率相同），而且差异会随着网络深度增大而增大，但是label不变，这就是ICS（Internal Covariate Shift），ICS会导致收敛速度下降。

所有归一化都按照如下范式达成：

一、Batch Normalization

（1）BN的公式

批量归一化实质是在mini-batch上做normalization，且针对的是单个维度。在上图所示的公式中——

m是mini-batch的大小，一般情况下，m的规模越大，归一化的效果越好；

eps默认1e-5，目的是避免方差为0；

γ和β是可学习的参数，分别表示缩放和平移，输入的x则是均值为0，方差为1的标准分布，经过缩放、平移后（均值为β，方差为γ²），能够允许BN层做identity transformation（论文中的表达，实际上输入和输出不会完全一样），保证网络模型的学习能力。

（2）在训练和推理时的区别

从上述算法可以看到，训练的时候每次迭代都要计算新的均值方差，但是推理的时候我们可能没那么多数据，这时BN用的均值和方差是固定的常量（这个常量是在模型训练时每次迭代通过移动平均法更新的全局量）。

moving_mean = moving_mean * momentum + mean * (1 - momentum);
moving_var = moving_var * momentum + var * (1 - momentum);
1
2

paper采用无偏估计来表示Var[x]。见无偏估计的推导。

（3）在batch上做normalization的作用
训练的时候为了模型稳定，需要在当前batch中维持隐藏层激活值的稳定，因此不用考虑别的数据，而且不同mini-batch间的均值和方差可能有一点差别，这个差别实际上能够增加模型鲁棒性，一定程度上减少过拟合。

然而当mini-batch间分布差别较大时，模型的训练难度就会提升，这也就是为什么m越大越好的原因。

针对时序模型，如RNN，BN的表现不太好。

二、Layer Normalization

针对上述的BN的不足之处，LN提出了考虑隐藏层整层的所有维度输入。

（1）LN针对单个训练样本进行，不依赖于其他数据，同一层的hidden units共享相同的均值和方差，因此可以避免BN中受mini-batch间数据分布差异的影响，这样LN就与batch size无关了；

（2）在小的batch size上效果可能会比BN好，但是大的batch size的话还是BN效果好；

（3）可以用于RNN中；

（4）LN对于一整层的训练得到同一个转换——所有的输入都在同一个区间范围内。如果不同输入特征不属于相似的类别（比如颜色和大小），那么LN的处理可能会降低模型的表达能力。

三、Weight Normalization

BN、LN、IN、GN都是对输入数据X的规范化，而WN提出对权重进行规范化。

举个例子，对Alg. 2最后得到y，之后需要进行的线性变换$f(y)=w\ast y$，其中w就是需要规范化的权重，其实本质上都是对数据的规范化。

四、Instance Normalization

BN注重对mini-batch归一化，但是在图像风格化任务中，生成的风格结果主要依赖于某个图像实例，所以对整个batch数据进行归一化是不合适的，因而提出了只对HW维度进行归一化。（GAN中表现很好）

IN和LN非常相似，但有一些细微的差异。IN应用于某个如RGB图像的每个通道数据，但LN通常应用于整个样本，且一般应用于NLP任务。此外，LayerNorm会进行affine变换（γ、β），而IN通常不进行该变换。

五、Group Normalization

GN先对通道进行分组，每个组内的所有C、W、H维度求均值和方差进行规范化，与batch size无关。

不能简单的将GN应用到之前使用BN的模型中。（许多SOTA的模型和BN联系紧密，需要重新设计模型或寻找更适合的超参数）

六、参考

https://zhuanlan.zhihu.com/p/115949091
https://zhuanlan.zhihu.com/p/33173246
https://arxiv.org/pdf/1502.03167.pdf
https://arxiv.org/pdf/1607.06450v1.pdf
https://arxiv.org/pdf/1803.08494.pdf