【问题标题】:Instance Normalization with batch size 1批量大小为 1 的实例规范化
【发布时间】:2020-06-13 07:52:04
【问题描述】:

我真的对 Instance Norm 的含义以及我是否可以将它与批量大小 1 一起使用感到困惑。我正在使用 PyTorch,文档中没有任何内容表明批量大小应该大于 1。

我知道,对于 BatchNorm,当批量大小小于 8 时,性能会受到不利影响,因此它对批量大小设置了一种软约束。但是,我没有看到任何关于 Instance Norm 的分析,现在有点困惑。如果我的批量大小为 1,我应该删除规范层吗?

【问题讨论】:

    标签: machine-learning deep-learning pytorch


    【解决方案1】:

    Group Normalization paper 中显示了对不同规范的一个很好的概述。

    实例归一化总结为:

    [...] IN 沿 (H, W) 轴为每个样本和每个通道计算 µ 和 σ。

    均值和标准差仅在空间维度 (H, W) 上计算,并且与批量大小和通道无关(有 N x C 个不同的范数)。因此,您可以将它与 1 的批量大小一起使用。

    【讨论】:

    • 所以如果我将批量大小增加到 32、64 甚至 128,它几乎是一样的?
    猜你喜欢
    • 2018-01-09
    • 2020-04-26
    • 1970-01-01
    • 1970-01-01
    • 2018-06-27
    • 1970-01-01
    • 2017-07-09
    • 2018-03-22
    相关资源
    最近更新 更多