目录
前言:
简言之BN、LN、IN、GN等归一化的区别:
批量归一化(Batch Normalization,BN)
优点
缺点
计算过程
层归一化(Layer Normalization,LN)
优点
计算过程
总结
分析torch.nn.LayerNorm()工作原理
分析torch.var()工作原理
torch.var()函数
参数
关键字参数
重点
前言:
最近在学习Vit(Vision Transformer)模型,在构建自注意力层(Attention)和前馈网络层(MLP)时,用到了torch.nn.LayerNorm(dim),也就是LN归一化,与常见卷积神经网络(CNN)所使用的BN归一化略有不同。
简言之BN、LN、IN、GN等归一化的区别:
假设输入样本为4张大小为240x240的彩色图片,因此样本Batch数量N为4,RGB彩色通道Channel为3,长H为240,宽W为240,样本数据矩阵为[4,3,240,240]
BN归一化相当于作用在通道维度上,一共3次归一化,分别求通道1、2、3的4张240x240照片的均值和方差,也就是分别计算3次[4,240,240]数据的均值和方差。
LN归一化相当于作用在样本数量上,一共4次归一化,分别求照片1、2、3、4的均值和方差,也就是计算4次[3,240,240]数据的均值和方差。
IN归一化相当于作用在样本数量和通道维度上,一共3x4=12次归一化,分别求照片1、2、3、4的通道1、2、3的均值和方差,也就是计算12次[240,240]数据的均值和方差。
GN归一化相当于作用在样本数量和以组为单位的通道维度上,例如将通道维度分为两组,第一组为通道1、2,第二组为通道3,一共2x4=8次归一化,分别求照片1、2、3、4的通道组1的均值和方差和照片1、2、3、4的通道组2的均值和方差,也就是计算4次[2,240,240]和4次[1,240,240]数据的均值和方差。
批量归一化(Batch Normalization,BN)
优点
1、极大提升了训练速度,收敛过程大大加快;
2、减弱对初始化的强依赖性;
3、保持隐藏层中数值的均值、方差不变,让数值更稳定,为后面网络提供坚实的基础;
4、还能增加分类效果,一种解释是这是一种防止过拟合的正则化表达方式(相当于给隐藏层加入噪声,类似Dropout),所以不用Dropout也能达到相当的效果;
5、另外调参过程也简单多了,对于初始化要求没那么高,而且可以使用大的学习率等;
缺点
1、每次是在一个batch上计算均值、方差,如果batch size太小,则计算的均值、方差不足以代表整个数据分布。
2、batch size太大会超过内存容量;需要跑更多的epoch,导致总训练时间变长;会直接固定梯度下降的方向,导致很难更新。
由于BN与mini-batch的数据分布紧密相关,故而mini-batch的数据分布需要与总体的数据分布近似相等。因此BN适用于batch size较大且各mini-batch分布相近似的场景下(训练前需进行充分的shuffle)。BN计算过程需要保存某一层神经网络batch的均值和方差等统计信息,适合定长网络结构DNN CNN,不适用动态网络结构RNN。
计算过程
1、沿着通道计算每个batch的均值μ
2、沿着通道计算每个batch的方差σ²
3、将每个值进行归一化(分母方差加了一个极小数,防止分母为0)
4、加入缩放和平移变量 γ 和 β(深度学习就是在学习变量 γ 和 β的大小)
详细内容补充:
笔记详情 (bilibili.com)
层归一化(Layer Normalization,LN)
优点
LN不受batch size的影响。同时,LN可以很好地用到序列型网络RNN中。
计算过程
针对BN不适用于深度不固定的网络(sequence长度不一致,如RNN),LN对深度网络的某一层的所有神经元的输入按以下公式进行normalization操作。
LN中同层神经元的输入拥有相同的均值和方差,不同的输入样本有不同的均值和方差。
对于特征图 ,LN 对每个样本的 C、H、W 维度上的数据求均值和标准差,保留 N 维度。其均值和标准差公式为:
Layer Normalization (LN) 的一个优势是不需要批训练,在单条数据内部就能归一化。LN不依赖于batch size和输入sequence的长度,因此可以用于batch size为1和RNN中。LN用于RNN效果比较明显,但是在CNN上,效果不如BN。
总结
我们将feature map shape 记为[N, C, H, W]。如果把特征图比喻成一摞书,这摞书总共有 N 本,每本有 C 页,每页有 H 行,每行 有W 个字符。
1、BN是在batch上,对N、H、W做归一化,而保留通道 C 的维度。BN 相当于把这些书按页码一一对应地加起来,再除以每个页码下的字符总数:N×H×W。
2、LN在通道方向上,对C、H、W归一化。LN 相当于把每一本书的所有字加起来,再除以这本书的字符总数:C×H×W。
3、IN在图像像素上,对H、W做归一化。IN 相当于把一页书中所有字加起来,再除以该页的总字数:H×W。
4、GN将channel分组,然后再做归一化。GN 相当于把一本 C 页的书平均分成 G 份,每份成为有 C/G 页的小册子,对每个小册子做Norm。
另外,还需要注意它们的映射参数γ和β的区别:对于 BN,IN,GN, 其γ和β都是维度等于通道数 C 的向量。而对于 LN,其γ和β都是维度等于 normalized_shape 的矩阵。
最后,BN 和 IN 可以设置参数:momentum和track_running_stats来获得在整体数据上更准确的均值和标准差。LN 和 GN 只能计算当前 batch 内数据的真实均值和标准差。
IN和GN请参考 :
(14条消息) 常用的归一化(Normalization) 方法:BN、LN、IN、GN_归一化方法_初识-CV的博客-CSDN博客
深度学习之9——逐层归一化(BN,LN) - 知乎 (zhihu.com)
其他归一化方法可见博主另一篇文章:
(14条消息) 【机器学习】数据归一化全方法总结:Max-Min归一化、Z-score归一化、数据类型归一化、标准差归一化等_daphne odera�的博客-CSDN博客
分析torch.nn.LayerNorm()工作原理
通过以下代码分析torch.nn.LayerNorm()在nlp模型中是如何工作的,计算输入数据是一批单词嵌入序列:
import torch
batch_size, seq_size, dim = 1, 2, 3
embedding = torch.randn(batch_size, seq_size, dim)
print("x: ", embedding)
layer_norm = torch.nn.LayerNorm(dim)
print("y: ", layer_norm(embedding))
结果如下:
x: tensor([[[-0.5975, 2.0992, 0.1889],
[ 0.9362, 1.2452, -0.7753]]])
y: tensor([[[-1.0253, 1.3562, -0.3309],
[ 0.5261, 0.8738, -1.3999]]], grad_fn=<NativeLayerNormBackward0>)
我们编写LN归一化的代码,模拟torch.nn.LayerNorm()工作流程:
def custom_layer_norm(
x: torch.Tensor, dim: tuple[int] = -1, eps: float = 0.00001
) -> torch.Tensor:
mean = torch.mean(embedding, dim=dim, keepdim=True)
var = torch.square(embedding - mean).mean(dim=(-1), keepdim=True)
return (embedding - mean) / torch.sqrt(var + eps)
print("y_custom: ", custom_layer_norm(embedding))
结果如下(一模一样):
y_custom: tensor([[[-1.0253, 1.3562, -0.3309],
[ 0.5261, 0.8738, -1.3999]]])
未加入上述所说的缩放和平移变量 γ 和 β,直接通过每个样本嵌入值的均值和方差来计算:
mean = torch.mean(embedding[0, :, :])
std = torch.sqrt(torch.var(embedding[0, :, :], unbiased=False)) # 母体方差 分母为N unbiased默认为True 样本方差 无偏估计 分母为n-1
print("mean: ", mean)
print("std: ", std)
print((embedding[0, 0, :] - mean) / std)
结果如下(较为接近):
mean: tensor(0.5161)
std: tensor(1.0189)
tensor([-1.0929, 1.5537, -0.3212])
分析torch.var()工作原理
在计算方差时,使用了torch.var()函数,仅由一个参数决定torch.var()计算的是样本方差还是母体方差,所以着重讲解一下。
import numpy as np
print("np.var: ", np.var([[1, 2], [2, 3]]))
# 结果如下
np.var: 0.5
我们在写一个案例:
X_test = torch.tensor([[1, 2], [2, 3]], dtype=torch.float32)
print("np.var unbiased=Ture: ", torch.var(X_test))
print("np.var unbiased=False: ", torch.var(X_test, unbiased=False))
# 结果如下
np.var unbiased=True: tensor(0.6667)
np.var unbiased=False: tensor(0.5000)
为什么结果不一样呢,因为取决于一个参数,即unbiased
,无偏的意思。默认值为true
,也就是说,默认是计算样本方差,当unbiased=False时,计算的是母体方差,也就是无偏估计。
torch.var()函数
torch.var(input, dim, unbiased, keepdim=False, *, out=None) → Tensor
参数
-
input(Tensor) -输入张量。
-
dim(int或者python的元组:ints) -要减小的尺寸或尺寸。
关键字参数
-
unbiased(bool) -是否使用贝塞尔校正(δN=1)。
-
keepdim(bool) -输出张量是否保留了
dim
。 -
out(Tensor,可选的) -输出张量。
重点
当unbiased=True时(默认),计算的是样本方差,分母是样本数量-1文章来源:https://www.toymoban.com/news/detail-415565.html
当unbiased=False时,计算的是母体方差,也就是无偏估计,分母是样本数量文章来源地址https://www.toymoban.com/news/detail-415565.html
到了这里,关于python 理解BN、LN、IN、GN归一化、分析torch.nn.LayerNorm()和torch.var()工作原理的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!