深度学习中的Normalization: （i. 更好train；ii. 防过拟合）
1 对神经元输出规范化：BatchNorm/LayerNorm/InstanceNorm/GroupNorm
2 对权重规范化（Weight Norm）：广义上讲，一般机器学习里看到的损失函数里面加入的对参数的的L1/L2等正则项（L1正则的规范化目标是造成参数的稀疏化，就是争取达到让大量参数值取得0值的效果，而L2正则的规范化目标是有效减小原始参数值的大小。）
（https://zhuanlan.zhihu.com/p/43200897
https://zhuanlan.zhihu.com/p/33173246
）
BN： Batch Normalization —— 纵向规范化
（对同一batch内的特征 or 本层各个神经元的输出，分别归一化：譬如同一batch内的“年龄”）
image.png
image.png
M是batch_size
（原论文用在输出和激活函数之间；但不少研究表明将BN放在激活函数之后效果更好）
- 由于 BN 是针对单个维度定义的，因此标准公式中的计算均为 element-wise 的，BN 独立地规范化每一个输入维度
，但规范化的参数是一个 mini-batch 的一阶统计量和二阶统计量，因此要求batch近似同分布的;
- 每个batch内做zscore （mean、std 都是batch内计算的，所以batch太小会问题），使得网络中每层输入数据的分布相对稳定，加速模型学习速度；
- zscore后变换，因为理想情况下zscore变换后为N(0,1)的标准正态分布。此时，激活函数为relu，则意味着，有一半的输出被置为0了。（另一种解释：Normalization有可能降低神经网络的非线性表达能力，所以会以此方式来补偿Normalization操作后神经网络的表达能力）
缺点
受batch_size影响
训练时和推理时统计量不一致
LN：Layer Normalization —— 横向规范化
（对同一层（而不是batch）内的各个特征统一归一化，譬如“年龄”、“身高” 使用的是同一个均值和方差）
image.png
LN 是一种横向的规范化，考虑一层所有维度的输入，计算该层的平均输入值和输入方差，然后用同一个规范化操作来转换各个维度的输入
image.png
batch size 设置得较小训练出来的模型相对大batch size训练出的模型泛化能力更强，在测试集上的表现更好，而太大的batch size往往不太Work，而且泛化能力较差
