何愷明、吳育昕最新成果：用組歸一化替代批歸一化

編譯 | 阿司匹林 AI科技大本營按：近日，FAIR 團隊的吳育昕和何愷明提出了組歸一化（Group Normalization，簡稱 GN）的方法。其中，GN 將信號通道分成一個個組別，並在每個組別內計算歸一化的均值和方差，以進行歸一化處理。此外，GN 的計算與批量大小無關，而且在批次大小大幅變化時，精度依然穩定。實驗結果證明，GN 在多個任務中的表現均優於基於 BN 的同類算法，這表明 GN

>>阅读原文<<