作为深度学习最基本的内容，这可能是每个算法工程师都必须理解的，但你明白吗？你知道哪种归一更强大吗？
无论是图像、数据还是其他方向的深度学习算法，他们学到了什么？学习数据分布。以目标检测为例：归根结底，检测器之所以能够检测到世间万物，是因为图像中各类目标的像素分布有一定的规律，这也是深度学习的本质。那么为什么要进行归一化呢？在网络训练过程中，每个目标都不会保持相同的像素分布，而是会产生一种协方差偏移。这个协方差偏移简单的理解是，每个类别的每个目标或多或少都是不同的，这给网络训练带来了困难。
以下图为例：由于噪声、色调、亮度和屏蔽的影响，五角星在不同的图像上是不同的。如果你想测试五角星，那么有无数种五角星，网络如何学习？
标签： gn丝印三极管