新人上手TensorFlow 之 Normalization_tensorflow normalize

上一篇转载自张俊林老师的博客，参考《batch normalization: accelerating deep network training by reducing internal》这篇论文，基本讲了一下，批处理归一化对于神经网络的意义所在及基本的原理和步骤。算是理论上的理解吧！这篇博客，我们来看一下，在TensorFlow中如何实现Normalization！

TensorFlow中的Normalization函数

在TensorFlow中，封装了多种种归一化的函数，分别是：

具体见： https://www.tensorflow.org/api_guides/python/nn#Normalization

TensorFlow中Normalization函数示例

'''
Normalization in TensorFlow
'''
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
import tensorflow as tf
import numpy as np

x = np.arange(10,dtype = np.float16)
print('x-orig:', x)

sess = tf.Session()

#l2-normalization
x_l2_norm = tf.nn.l2_normalize(x, dim = 0)
x_norm_res = sess.run(x_norm)
print('l2-norm:',x_norm_res)

# batch  normalization
## calculate the mean & variance 
x = tf.constant(x, dtype = tf.float32)
[x_mean, x_varia] = tf.nn.moments(x, axes=0)
offset = 0
scale = 0.1
vari_epsl = 0.0001
## calculate the batch normalization
x_bn = tf.nn.batch_normalization(x, x_mean, x_varia, offset,scale,vari_epsl)
print('mean & vari: ', sess.run( [x_mean, x_varia]))
x_bn_res = sess.run(x_bn)
print('x_bn:', x_bn_res)

sess.close()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

运行结果：

x-orig: [ 0.  1.  2.  3.  4.  5.  6.  7.  8.  9.]
l2-norm: [ 0.          0.05923489  0.11846977  0.17770466  0.23693955  0.29617444
  0.35540932  0.41464421  0.4738791   0.53311396]
mean & vari:  [4.5, 8.25]
x_bn: [-0.15666895 -0.12185362 -0.0870383  -0.05222298 -0.01740766  0.01740767
  0.05222298  0.08703831  0.12185363  0.15666895]
1
2
3
4
5
6

Normalization 在线性回归问题中的效果

我们将线性回归问题中的数据进行Normalization后，在进行训练，运行结果如下图：

未归一化的训练结果

用batch Normalization归一化后的训练结果

这样对比一看，就知道效果有多明显了，收敛速度快了好几个数量级。这个实验不一定就十分严谨，但是还是很生动形象的。