在深度学习中，归一化技术是提高模型训练效率和性能的重要手段。归一化通过调整输入数据的分布，使得模型在训练过程中更易于收敛，减少过拟合的风险。本文将介绍几种常见的归一化技术，包括特征归一化、批归一化、层归一化和实例归一化。

一、特征归一化（Feature Normalization）

在深度学习和机器学习中，特征之间的量纲差异可能会对模型的训练和性能产生显著影响。当特征的量纲差异较大时，某些特征可能会在模型训练中占据主导地位，从而导致模型对这些特征的过度依赖，而忽略其他特征。这可能导致模型无法有效学习到数据的整体结构。假设我们有一个数据集，其中包含两个特征：

• 特征 A：房屋面积（单位：平方英尺），取值范围为 [500, 5000]
• 特征 B：房屋价格（单位：美元），取值范围为 [50,000, 500,000]

在这种情况下，特征 A 的值相对较小，而特征 B 的值相对较大。如果不进行归一化，模型在训练时可能会更关注特征 B，因为它的数值范围更大。这可能导致模型对房屋价格的预测过于敏感，而忽略了房屋面积的重要性。

特征归一化是将每个特征的值缩放到一个特定的范围，通常是 [0, 1] 或 [-1, 1]。这种方法可以消除特征之间的量纲差异，使得模型在训练时更快收敛。特征归一化通常用于输入数据的预处理阶段，尤其是在使用基于梯度的优化算法时。

对于特征$x$，特征归一化的公式如下：
$$x^{\prime }=\frac{x-\text{min}(x)}{\text{max}(x)-\text{min}(x)}$$

import numpy as np# 创建示例数据
data = np.array([[10, 200, 30],[20, 150, 40],[30, 300, 50],[40, 250, 60],[50, 100, 70]])print("原始数据:")
print(data)# 特征归一化函数
def feature_normalization(data):# 计算每个特征的最小值和最大值min_vals = np.min(data, axis=0)max_vals = np.max(data, axis=0)# 应用归一化公式normalized_data = (data - min_vals) / (max_vals - min_vals)return normalized_data# 进行特征归一化
normalized_data = feature_normalization(data)print("\n归一化后的数据:")
print(normalized_data)

原始数据:
[[ 10 200  30][ 20 150  40][ 30 300  50][ 40 250  60][ 50 100  70]]归一化后的数据:
[[0.   0.5  0.  ][0.25 0.25 0.25][0.5  1.   0.5 ][0.75 0.75 0.75][1.   0.   1.  ]]

二、批归一化（Batch Normalization）

批归一化（Batch Normalization）是一种在神经网络中广泛使用的技术，旨在提高模型的训练速度和稳定性。它通过对每一层的输入进行归一化，使得输入的均值为 0，方差为 1，从而减少内部协变量偏移（Internal Covariate Shift）。

批归一化的公式如下：
$$\hat{x}=\frac{x-{\mu }_B}{\sqrt{{\sigma }_B^2+ϵ}}$$

其中：

• $\hat{x}$是归一化后的输出。
• $x$是当前批次的输入。
• ${\mu }_B$是当前批次的均值，计算公式为：
  $${\mu }_B=\frac{1}{m}\sum _{i=1}^m{x}_i$$
  其中$m$是当前批次的样本数量。
• ${\sigma }_B^2$是当前批次的方差，计算公式为：
  $${\sigma }_B^2=\frac{1}{m}\sum _{i=1}^m(x_i-{\mu }_B{)}^2$$
• $ϵ$是一个小常数，通常设置为 $1e-5$或 $1e-8$，用于防止除零错误。

批归一化的主要步骤如下：

1. 计算均值和方差：

   • 对于每个批次，计算当前批次的均值${\mu }_B$和方差${\sigma }_B^2$。

2. 归一化：

   • 使用计算得到的均值和方差对输入进行归一化。

3. 缩放和偏移：

   • 在归一化后，批归一化还引入了两个可学习的参数$\gamma$和$\beta$，用于缩放和偏移：
     $$y=\gamma \hat{x}+\beta$$
     其中$y$是最终的输出，$\gamma$和$\beta$是在训练过程中学习到的参数。

在训练阶段，批归一化会使用当前批次的均值和方差进行归一化。每个批次的均值和方差是动态计算的，这使得模型能够适应训练数据的变化。具体步骤如下：

1. 计算当前批次的均值和方差。
2. 使用这些统计量对输入进行归一化。
3. 更新移动均值和方差，以便在推理阶段使用：
   $${\mu }_{\text{moving}}=(1-\alpha )\cdot {\mu }_B+\alpha \cdot {\mu }_{\text{moving}}$$
   $${\sigma }_{\text{moving}}^2=(1-\alpha )\cdot {\sigma }_B^2+\alpha \cdot {\sigma }_{\text{moving}}^2$$
   其中$\alpha$是滑动平均系数，通常设置为接近 1（如 0.9 或 0.99）。

在推理阶段，批归一化的处理方式与训练阶段有所不同。推理阶段不再使用当前批次的均值和方差，而是使用在训练阶段计算得到的移动均值和方差。具体步骤如下：

1. 使用训练阶段计算的移动均值和方差进行归一化：
   $$\hat{x}=\frac{x-{\mu }_{\text{moving}}}{\sqrt{{\sigma }_{\text{moving}}^2+ϵ}}$$
2. 应用缩放和偏移：
   $$y=\gamma \hat{x}+\beta$$

下面代码展示了，手动计算的，批归一化，移动均值和方差与模型自动计算的结果一致性。

import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import DataLoader, TensorDataset# 定义简单的全连接神经网络模型
class SimpleFC(nn.Module):def __init__(self):super(SimpleFC, self).__init__()self.fc1 = nn.Linear(20, 1)  # 从 1 个输入特征到 1 个输出self.bn1 = nn.BatchNorm1d(1)  # 批归一化层def forward(self, x):fc_output = self.fc1(x)  # 全连接层x = self.bn1(fc_output)  # 批归一化return x, fc_output# 创建模型实例
model = SimpleFC()# 定义损失函数和优化器
criterion = nn.MSELoss()  # 均方误差损失
optimizer = optim.Adam(model.parameters(), lr=0.001)  # Adam 优化器# 生成随机正态分布数据
num_samples = 10000  # 样本数量
X = torch.randn(num_samples, 20)  # 1 个特征
y = torch.randn(num_samples, 1)  # 目标值# 创建数据集和数据加载器
dataset = TensorDataset(X, y)
batch_size = 5000  # 每个批次的样本数量
train_loader = DataLoader(dataset, batch_size=batch_size, shuffle=True)# 训练模型
num_epochs = 1  # 训练轮数
alpha = 0.9  # 滑动平均系数
moving_mean = torch.zeros(1)  # 初始化移动均值
moving_var = torch.ones(1)  # 初始化移动方差for epoch in range(num_epochs):model.train()  # 设置模型为训练模式for batch_idx, (images, labels) in enumerate(train_loader):optimizer.zero_grad()  # 清零梯度outputs, fc_output = model(images)  # 前向传播loss = criterion(outputs, labels)  # 计算损失loss.backward()  # 反向传播optimizer.step()  # 更新参数# 获取当前批次的均值和方差batch_mean = fc_output.mean(dim=0)  # 当前批次的均值batch_var = fc_output.var(dim=0)  # 当前批次的方差# 获取模型的批归一化层的移动均值和方差model_moving_mean = model.bn1.running_meanmodel_moving_var = model.bn1.running_var# 手动更新移动均值和方差moving_mean = alpha * moving_mean + (1 - alpha) * batch_meanmoving_var = alpha * moving_var + (1 - alpha) * batch_var# 打印当前批次的均值和方差print(f'Batch {batch_idx + 1}, Batch Mean: {batch_mean.data.numpy()}, Batch Var: {batch_var.data.numpy()}')# 打印模型自动计算的移动均值和方差print(f'Batch {batch_idx + 1}, Model Moving Mean: {model_moving_mean.data.numpy()}, Model Moving Var: {model_moving_var.data.numpy()}')# 打印手动计算的移动均值和方差print(f'Batch {batch_idx + 1}, Manual Moving Mean: {moving_mean.data.numpy()}, Manual Moving Var: {moving_var.data.numpy()}')# 验证手动计算的移动均值和方差与模型的自动计算结果一致assert torch.allclose(moving_mean, model_moving_mean), "Manual moving mean does not match model moving mean!"assert torch.allclose(moving_var,model_moving_var), "Manual moving variance does not match model moving variance!"# 测试模型
model.eval()  # 设置模型为评估模式
with torch.no_grad():  # 不计算梯度test_outputs, fc_output = model(X)  # 前向传播test_loss = criterion(test_outputs, y)  # 计算测试损失# 打印推理阶段的均值和方差
print(f'Test Loss: {test_loss.item()}')
print(f'Model Moving Mean: {model.bn1.running_mean.data.numpy()}')
print(f'Model Moving Var: {model.bn1.running_var.data.numpy()}')

Batch 1, Batch Mean: [0.07945078], Batch Var: [0.0101127]
Batch 1, Model Moving Mean: [0.00794508], Model Moving Var: [0.9010112]
Batch 1, Manual Moving Mean: [0.00794508], Manual Moving Var: [0.9010112]
Batch 2, Batch Mean: [0.07626408], Batch Var: [0.00997146]
Batch 2, Model Moving Mean: [0.01477698], Model Moving Var: [0.81190723]
Batch 2, Manual Moving Mean: [0.01477698], Manual Moving Var: [0.81190723]
Test Loss: 0.9921324253082275
Model Moving Mean: [0.01477698]
Model Moving Var: [0.81190723]

三、层归一化（Layer Normalization）

层归一化（Layer Normalization）是一种归一化技术，主要用于深度学习模型，特别是在处理序列数据（如循环神经网络 RNN 和 Transformer）时表现良好。与批归一化不同，层归一化是对每个样本的所有特征进行归一化，而不是对整个批次进行归一化。

在层归一化中，“层”指的是神经网络中的一层，通常是一个全连接层或卷积层。层归一化的目标是对该层的输出进行归一化，以提高模型的训练效率和稳定性。

“样本特征”是指输入数据中每个样本的特征向量。在层归一化中，每个样本的特征向量包含多个特征值，这些特征值可以是不同的输入变量。例如，在图像分类任务中，一个样本的特征可能是图像的像素值；在文本处理任务中，一个样本的特征可能是词嵌入向量。

在层归一化中，我们会对每个样本的所有特征进行归一化处理。
$$\hat{x}=\frac{x-\mu }{\sqrt{{\sigma }^2+ϵ}}$$

其中：

• $\hat{x}$是归一化后的输出。
• $x$是当前样本的输入特征向量。
• $\mu$是当前样本的均值，计算公式为：
  $$\mu =\frac{1}{d}\sum _{i=1}^d{x}_i$$
  其中$d$是特征的维度。
• ${\sigma }^2$是当前样本的方差，计算公式为：
  $${\sigma }^2=\frac{1}{d}\sum _{i=1}^d(x_i-\mu {)}^2$$
• $ϵ$是一个小常数，通常设置为$1e-5$或$1e-8$，用于防止除零错误。

层归一化的主要步骤如下：

1. 计算均值和方差：

   • 对于每个样本，计算该样本全部特征的均值$\mu$和方差${\sigma }^2$。

2. 归一化：

   • 使用计算得到的均值和方差对输入特征进行归一化。

3. 缩放和偏移：

   • 在归一化后，层归一化还引入了两个可学习的参数$\gamma$和 $\beta$，用于缩放和偏移：
     $$y=\gamma \hat{x}+\beta$$
     其中$y$是最终的输出，$\gamma$和$\beta$是在训练过程中学习到的参数。

在层归一化中，训练和推理阶段的处理方式是相同的。与批归一化不同，层归一化不依赖于批次的统计量，而是对每个样本的特征进行归一化。因此，无论是在训练阶段还是推理阶段，层归一化都使用当前样本的均值和方差进行归一化。这使得层归一化在处理小批量数据或单个样本时表现良好。

import torchdef layer_normalization(X, epsilon=1e-5):"""计算层归一化:param X: 输入特征矩阵，形状为 (num_samples, num_features):param epsilon: 防止除零错误的小常数:return: 归一化后的特征矩阵"""# 计算均值和方差mu = X.mean(dim=1, keepdim=True)  # 每个样本的均值sigma_squared = X.var(dim=1, keepdim=True)  # 每个样本的方差# 进行归一化X_normalized = (X - mu) / torch.sqrt(sigma_squared + epsilon)return X_normalized# 随机生成样本
num_samples = 5  # 样本数量
num_features = 4  # 每个样本的特征数量
X = torch.randn(num_samples, num_features)  # 生成随机正态分布数据print("原始特征矩阵:")
print(X)# 计算层归一化
X_normalized = layer_normalization(X)print("\n层归一化后的特征矩阵:")
print(X_normalized)

原始特征矩阵:
tensor([[-0.4186,  1.8211, -0.6178, -2.0494],[-0.3354, -1.9183, -0.5551,  0.7775],[ 0.0546,  0.5884, -0.8421, -0.2335],[ 0.3276, -0.5106, -0.0648,  0.0211],[ 0.6945, -0.8199,  0.5595, -2.3835]])层归一化后的特征矩阵:
tensor([[-0.0640,  1.3364, -0.1886, -1.0837],[ 0.1558, -1.2746, -0.0427,  1.1615],[ 0.2730,  1.1685, -1.2312, -0.2102],[ 1.1095, -1.3107, -0.0234,  0.2246],[ 0.8222, -0.2314,  0.7283, -1.3191]])