【基础】Dropout和Batch Norm原理与使用

Dropout和Batch Norm都是在深度学习中经常用到的方法，可以有效防止过拟合，增加模型的鲁棒性，提升训练效率。今天和大家分享Dropout和Batch Norm的相关内容。

1.Dropout

Dropout通俗理解就是，在神经网络训练的时候，有时因为神经元过多，模型参数过多等原因而导致过拟合，dropout以概率p让一部分神经元失活，从而达到降低过拟合的效果。如下图所示，使用dropout后，一部分神经元不参与训练。

• 在前向传播时，假设有这一层n个神经元，则我们可以假设每个神经元的概率都是0~1(可以通过python得到随机的值)，然后小于p的就失活，即不参与训练。
• 在反向传播时，也只对参与训练的神经元进行参数更新。
• 每次训练的时候，又是n个神经元，重新进行dropout

2.Dropout缓解过拟合的原因

1.类似bagging，采用dropout，使得每次训练的时候一部分神经元失活，从而导致dropout后的模型都是不一样的，因为失活的神经元不一样。这就相当于有多个网络进行训练得到最终结果，有点ensemble的感觉。

2.因为dropout程序导致两个神经元不一定每次都在一个dropout网络中出现。这样权值的更新不再依赖于有固定关系的隐含节点的共同作用，阻止了某些特征仅仅在其它特定特征下才有效果的情况 。迫使网络去学习更加鲁棒的特征 ，这些特征在其它的神经元的随机子集中也存在。换句话说假如我们的神经网络是在做出某种预测，它不应该对一些特定的线索片段太过敏感，即使丢失特定的线索，它也应该可以从众多其它线索中学习一些共同的特征。从这个角度看dropout就有点像L1，L2正则，减少权重使得网络对丢失特定神经元连接的鲁棒性提高。

3.Batch Norm

Batch Norm的提出是为了解决内部协变量偏移（Internal Covariate Shift），即随着参数的不断更新，每一层的输出数据的分布是不断变化的，导致后一层需要重新去拟合新的分布，导致网络学习困难。因此在没有BN的时候，需要采用较小的学习率，缓慢更新，因此学习效率比较低。

使用BN之后，可以采用较大的学习率加快收敛，收敛过程会更加稳定，并且对初始值也不会特别敏感。

那么问题已经摆在那了，是分布在不断变化导致，因此最直接的方式就是在每一层输出后将其归一化为均值为0，方差为1的标准正太分布，但是这会导致每一层的分布都是一样的，从而网络学不到数据中的真正信息。因此作者提出了BN，BN就是在做归一化的时候加入可训练参数，使得每一层的输出的分布差别不大，但是又有属于自身的特性。公式如下，其中k表示第k层，使用BN之后对已经归一化的分布做平移和缩放，平移和缩放分别靠β和γ实现。

• γ和β可以为被一层定制一个自己的分布。
• 如果直接使用均值为0，方差为1的标准正太分布，此时如果使用tanh和sigmoid这类激活函数的话，会使得的部分数据集中在0附近的线性区域，非线性能力减弱，添加γ和β之后可以增强非线性能力。

4.BN和Dropout训练和测试时的差异

4.1 Batch Nrom

对于BN，在训练时，是对每一批的训练数据进行归一化，即用每一批数据的均值和方差。

而在测试时，比如进行一个样本的预测，就并没有batch的概念，因此，这个时候用的均值和方差是全量训练数据的均值和方差，这个可以通过移动平均法求得。

对于BN，当一个模型训练完成之后，它的所有参数都确定了，包括均值和方差，γ和β。

4.2 BN训练时为什么不用全量训练集的均值和方差呢？

因为用全量训练集的均值和方差容易过拟合，对于BN，其实就是对每一批数据进行归一化到一个相同的分布，而每一批数据的均值和方差会有一定的差别，而不是用固定的值，这个差别实际上能够增加模型的鲁棒性，也会在一定程度上减少过拟合。

也正是因此，BN一般要求将训练集完全打乱，并用一个较大的batch值，否则，一个batch的数据无法较好得代表训练集的分布，会影响模型训练的效果。

4.3 Dropout Dropout是在训练过程中以一定的概率的使神经元失活，即输出为0，以提高模型的泛化能力，减少过拟合。而在测试时，应该用整个训练好的模型，因此不需要dropout。

4.4 Dropout 如何平衡训练和测试时的差异呢？

Dropout ，在训练时以一定的概率使神经元失活，实际上就是让对应神经元的输出为0。假设失活概率为p ，就是这一层中的每个神经元都有p的概率失活，如图1的三层网络结构中，如果失活概率为0.5，则平均每一次训练有3个神经元失活，所以输出层每个神经元只有3个输入，而实际测试时是不会有dropout的，输出层每个神经元都有6个输入，这样在训练和测试时，输出层每个神经元的输入和的期望会有量级上的差异。

因此在训练时还要对第二层的输出数据除以（1-p）之后再传给输出层神经元，作为神经元失活的补偿，以使得在训练时和测试时每一层输入有大致相同的期望。

不同层的顺序关系

conv+pooling+bn+激活函数，由于一开始使用的是sigmoid这类激活函数，因此放在激活函数之前可以较好的保持非线性。但是，后面又提出了ReLU，因此现在也有放在激活函数之后的。

linear+dropout

参考：

https://blog.csdn.net/program_developer/article/details/80737724

https://www.zhihu.com/question/356571056

https://blog.csdn.net/songyunli1111/article/details/89071021

《百面深度学习》