训练时候存在的问题
为什么要做批量归一化
批量归一化（Batch Normalization, BN）是一种用于加速深度学习模型训练的技术。它通过标准化每层网络的输入（通常是前一层网络的输出），使得网络中的每一层都能接收到具有相同分布的输入数据。这有助于解决训练过程中出现的一些问题，以下是几个主要原因：
-
缓解梯度消失/爆炸问题：通过批量归一化，可以使每一层的输入数据都具有零均值和单位方差，从而有助于避免梯度消失或梯度爆炸问题。
-
加快训练过程：由于批量归一化使得网络中的每一层都能接收到一致分布的数据，因此可以加快模型的学习速度，减少达到特定精度所需的训练迭代次数。
-
增强模型的泛化能力：通过在训练过程中随机选择小批量数据进行归一化处理，批量归一化起到了类似正则化的效果，有助于提高模型的泛化能力。
-
允许更高学习率：通常情况下，批量归一化允许使用更高的学习率，因为标准化后的数据更稳定，这也有助于加快收敛。
-
减轻权重初始化的重要性：由于批量归一化确保了每一层的输入都有良好的分布，因此对权重的初始化要求相对较低，降低了模型对初始条件的敏感性。
-
减少对Dropout等正则化方法的依赖：批量归一化本身具有一定的正则化效果，因此在某些情况下可以减少对其他正则化技术的需求。
总之，批量归一化通过规范化数据，提高了模型训练的效率和稳定性，是现代深度学习实践中非常有用的一种技术手段。然而，值得注意的是，在某些情况下，比如小批量大小或者某些类型的模型中，批量归一化可能不会带来预期的效果，甚至可能会有负面影响。因此，在应用批量归一化时，也需要根据实际情况进行适当的调整和优化。
代码：
import torch from torch import nn from d2l import torch as d2l """ 一个具有张量的批量规范化层。 """ def batch_norm(X, gamma, beta, moving_mean, moving_var, eps, momentum): # 通过is_grad_enabled来判断当前模式是训练模式还是预测模式 if not torch.is_grad_enabled(): # 如果是在预测模式下，直接使用传入的移动平均所得的均值和方差 X_hat = (X - moving_mean) / torch.sqrt(moving_var + eps) else: assert len(X.shape) in (2, 4) if len(X.shape) == 2: # 使用全连接层的情况，计算特征维上的均值和方差 mean = X.mean(dim=0) var = ((X - mean) ** 2).mean(dim=0) else: # 使用二维卷积层的情况，计算通道维上（axis=1）的均值和方差。 # 这里我们需要保持X的形状以便后面可以做广播运算 mean = X.mean(dim=(0, 2, 3), keepdim=True) var = ((X - mean) ** 2).mean(dim=(0, 2, 3), keepdim=True) # 训练模式下，用当前的均值和方差做标准化 X_hat = (X - mean) / torch.sqrt(var + eps) # 更新移动平均的均值和方差 moving_mean = momentum * moving_mean + (1.0 - momentum) * mean moving_var = momentum * moving_var + (1.0 - momentum) * var Y = gamma * X_hat + beta # 缩放和移位 return Y, moving_mean.data, moving_var.data """ 创建一个正确的BatchNorm层。 这个层将保持适当的参数：拉伸gamma和偏移beta,这两个参数将在训练过程中更新。 此外，我们的层将保存均值和方差的移动平均值，以便在模型预测期间随后使用 """ class BatchNorm(nn.Module): # num_features：完全连接层的输出数量或卷积层的输出通道数。 # num_dims：2表示完全连接层，4表示卷积层 def __init__(self, num_features, num_dims): super().__init__() if num_dims == 2: shape = (1, num_features) else: shape = (1, num_features, 1, 1) # 参与求梯度和迭代的拉伸和偏移参数，分别初始化成1和0 self.gamma = nn.Parameter(torch.ones(shape)) self.beta = nn.Parameter(torch.zeros(shape)) # 非模型参数的变量初始化为0和1 self.moving_mean = torch.zeros(shape) self.moving_var = torch.ones(shape) def forward(self, X): # 如果X不在内存上，将moving_mean和moving_var # 复制到X所在显存上 if self.moving_mean.device != X.device: self.moving_mean = self.moving_mean.to(X.device) self.moving_var = self.moving_var.to(X.device) # 保存更新过的moving_mean和moving_var Y, self.moving_mean, self.moving_var = batch_norm( X, self.gamma, self.beta, self.moving_mean, self.moving_var, eps=1e-5, momentum=0.9) return Y """ 批量规范化是在卷积层或全连接层之后、相应的激活函数之前应用的 """ net = nn.Sequential( nn.Conv2d(1, 6, kernel_size=5), BatchNorm(6, num_dims=4), nn.Sigmoid(), nn.AvgPool2d(kernel_size=2, stride=2), nn.Conv2d(6, 16, kernel_size=5), BatchNorm(16, num_dims=4), nn.Sigmoid(), nn.AvgPool2d(kernel_size=2, stride=2), nn.Flatten(), nn.Linear(16*4*4, 120), BatchNorm(120, num_dims=2), nn.Sigmoid(), nn.Linear(120, 84), BatchNorm(84, num_dims=2), nn.Sigmoid(), nn.Linear(84, 10)) """ 训练 """ lr, num_epochs, batch_size = 1.0, 10, 256 train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size) d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu()) """ 第一个批量规范化层中学到的拉伸参数gamma和偏移参数beta """ net[1].gamma.reshape((-1,)), net[1].beta.reshape((-1,)) """ 简洁实现 """ net = nn.Sequential( nn.Conv2d(1, 6, kernel_size=5), nn.BatchNorm2d(6), nn.Sigmoid(), nn.AvgPool2d(kernel_size=2, stride=2), nn.Conv2d(6, 16, kernel_size=5), nn.BatchNorm2d(16), nn.Sigmoid(), nn.AvgPool2d(kernel_size=2, stride=2), nn.Flatten(), nn.Linear(256, 120), nn.BatchNorm1d(120), nn.Sigmoid(), nn.Linear(120, 84), nn.BatchNorm1d(84), nn.Sigmoid(), nn.Linear(84, 10)) d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())