测试期间的批量标准化答案

【问题标题】：Batch normalization during testing测试期间的批量标准化
【发布时间】：2018-01-11 20:00:52
【问题描述】：

对于测试期间的批量归一化，如何计算每个激活输入（在每一层和输入维度中）的均值和方差？是记录训练的均值和方差，计算整个训练集的均值和方差，还是计算整个测试集的均值和方差？

很多人说你必须预先计算均值和方差，但是如果你使用计算整个测试集的均值和方差的方法，那么你不需要计算整个测试集的均值和方差吗？执行前向传播（不是“pre”）？

非常感谢您的帮助！

【问题讨论】：

这个问题似乎与编程无关

标签： machine-learning neural-network deep-learning normalization batch-normalization

【解决方案1】：

当您在测试中进行预测时，您总是使用训练的统计数据 - 无论是简单的转换还是批量标准化。

我建议您尝试 cs231n 课程以了解更多信息。以下是我在执行此代码时编写批处理规范化的方法：github link。

如果测试统计数据与训练有显着差异，这意味着测试总体上是不同的，模型将无法正常工作。在这种情况下，无论如何您都需要找到不同的训练数据。但更准确地说 - 当您在以某种方式处理的数据上训练模型时，它不能很好地处理以不同方式处理的数据。

假设只有 1 个测试样本 - i。 e.您想为一位客户或其他任何人做出预测。在这种情况下，您根本无法计算测试统计信息。其次，让我们进行批量标准化。数据被标准化，数值现在显示原始数据与某个平均值有多少标准偏差。因此模型将使用此信息进行训练）。如果您使用测试统计数据对测试数据进行标准化，那么值将显示与不同平均值的偏差。

【讨论】：

酷，非常感谢您的帮助！但我只是想知道，为什么总是使用火车的统计数据？如果训练统计量与测试统计量有很大不同，即测试集上的均值和方差 (xhat = (x - mean) / sqrt(var + eps)) 不接近零均值和单位高斯怎么办因为训练均值！= 测试均值和训练方差！= 测试方差？这不会破坏保持零均值和单位高斯的训练目的吗？非常感谢您所做的一切！
如果测试统计数据与训练有显着差异，这意味着测试通常不同，模型将无法正常工作。在这种情况下，无论如何您都需要找到不同的训练数据。但更准确地说 - 当您在以某种方式处理的数据上训练模型时，它不能很好地处理以不同方式处理的数据。
我明白了，谢谢你的帮助，我真的很感激！我很抱歉所有的问题，但是测试统计和训练统计之间会有一些差异，所以通过使用训练统计，我们以不同的方式处理测试数据，使训练模型在测试数据？谢谢你的一切！
首先，让我们假设只有 1 个测试样本 - i。 e.您想为一位客户或其他任何人做出预测。在这种情况下，您根本无法计算测试统计信息。其次，让我们进行批量标准化。数据被标准化，数值现在显示原始数据与某个平均值有多少标准偏差。因此模型将使用此信息进行训练）。如果您使用测试统计数据对测试数据进行标准化，那么值将显示与不同平均值的偏差。
@user8384788 & AndreyLukyanenko 请编辑问题和答案，cmets 是短暂的。

【解决方案2】：

在训练时记录经验均值和方差，例如稍后用于测试集的运行平均值，而不是计算每个测试批次的均值和方差。

【讨论】：