与 BatchNormalization 层关联的参数数量是 2048？

Posted 2023-02-23

【中文标题】与 BatchNormalization 层关联的参数数量是 2048？

【英文标题】：How the number of parameters associated with BatchNormalization layer is 2048?

【发布时间】：2017-07-20 03:32:13

【问题描述】：

我有以下代码。

x = keras.layers.Input(batch_shape = (None, 4096))
hidden = keras.layers.Dense(512, activation = 'relu')(x)
hidden = keras.layers.BatchNormalization()(hidden)
hidden = keras.layers.Dropout(0.5)(hidden)
predictions = keras.layers.Dense(80, activation = 'sigmoid')(hidden)
mlp_model = keras.models.Model(input = [x], output = [predictions])
mlp_model.summary()

这是模型摘要：

____________________________________________________________________________________________________
Layer (type)                     Output Shape          Param #     Connected to                     
====================================================================================================
input_3 (InputLayer)             (None, 4096)          0                                            
____________________________________________________________________________________________________
dense_1 (Dense)                  (None, 512)           2097664     input_3[0][0]                    
____________________________________________________________________________________________________
batchnormalization_1 (BatchNorma (None, 512)           2048        dense_1[0][0]                    
____________________________________________________________________________________________________
dropout_1 (Dropout)              (None, 512)           0           batchnormalization_1[0][0]       
____________________________________________________________________________________________________
dense_2 (Dense)                  (None, 80)            41040       dropout_1[0][0]                  
====================================================================================================
Total params: 2,140,752
Trainable params: 2,139,728
Non-trainable params: 1,024
____________________________________________________________________________________________________

BatchNormalization (BN) 层的输入大小为 512。根据Keras documentation，BN 层的输出形状与输入相同，即 512。

那么BN层关联的参数个数怎么是2048呢？

【问题讨论】：

有理由否决这个问题吗？

【参考方案1】：

Keras 中的批量标准化实现了this paper。

正如您所读到的那样，为了在训练期间进行批量标准化工作，他们需要跟踪每个标准化维度的分布。为此，由于默认情况下您位于mode=0，因此它们会在前一层上为每个特征计算 4 个参数。这些参数确保您正确传播和反向传播信息。

所以4*512 = 2048，这应该回答你的问题。

【参考方案2】：

这2048个参数其实是[gamma weights, beta weights, moving_mean(non-trainable), moving_variance(non-trainable)]，每个有512个元素（输入层的大小）。

【讨论】：

感谢您解释这 2 个不可训练的参数！