背景
BN批量归一化是深度学习的一个标志性技术。通过假设数据都处于正态分布，将数据进行归一化，从而加快整个网络的训练性能
但是由于现在任务越来越复杂，导致我们没有足够显存去存放足够多的批量数据
当batch太小的时候，批量归一化效果就没那么好了
结构
整个结构不复杂，就是通过一个公式计算，最后经过一个阈值限制输出
FRN的归一化维度是在(H,W)上，即对 每个sample，对应的每个channel进行归一化
epsilon 是一个很小的数值。对于常规操作设置为1e-6，但对于1x1卷积这个值效果不太好，作者也建议我们设置epsilon设置为可学习的参数
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/38671.html