Batch Normalization

本文鏈接：https://arxiv.org/abs/1502.03167 簡介 在深度神經網絡訓練的過程中，當前面層的參數發生變化時，會導致後面層輸入數據的分佈變化，進而影響訓練效果，使網絡的訓練變得複雜。本文提出了一種Batch Normalization方法解決這個問題，該方法可以使用較大的學習率進行學習，同時可以忽略掉dropout的作用，提高模型收斂速度，提高識別率。 Introduct

>>阅读原文<<