BN、LN、IN、GN的区别

       卷积神经网络的出现，网络参数量大大减低，使得几十层的深层网络成为可能。然而，在残差网络出现之前，网络的加深使得网络训练变得非常不稳定，甚至出现网络长时间不更新甚至不收敛的现象，同时网络对超参数比较敏感，超参数的微量扰动也会导致网络的训练轨迹完全改变。
       2015年，Google研究人员SergeyIoffe等提出了一种参数标准化(Normalize)的手段，并基于参数标准化设计了BatchNomalization(简写为BatchNorm，或BN)层。BN层的提出，使得网络的超参数的设定更加自由，比如更大的学习率、更随意的网络初始化等，同时网络的收敛速度更快，性能也更好。BN层提出后便广泛地应用在各种深度网络模型上，卷积层、BN层、ReLU层、池化层一度成为网络模型的标配单元块，通过堆叠ConvBN-ReLU-Pooling方式往往可以获得不错的模型性能。
       首先我们来探索，为什么需要对网络中的数据进行标准化操作？这个问题很难从理论层面解释透彻，即使是BN层的作者给出的解释也未必让所有人信服。与其纠结其缘由，不如通过具体问题来感受数据标准化后的好处。
       考虑Sigmoid激活函数和它的梯度分布，如下图10.39所示，Sigmoid函数在x∈[−2, 2] 区间的导数值在[0.1, 0.25] 区间分布；当x > 2或 x < −2 时，Sigmoid函数的导数变得很小，逼近于0，从而容易出现梯度弥散现象。为了避免因为输入较大或者较小而导致Sigmoid函数出现梯度弥散现象，将函数输入 x 标准化映射到 0 附近的一段较小区间将变得非常重要，可以从图10.39看到，通过标准化重映射后，值被映射在0附近，此处的导数值不至于过小，从而不容易出现梯度弥散现象。这是使用标准化手段受益的一个例子。

       我们再看另一个例子。考虑 2 个输入节点的线性模型，如图 10.40(a)所示：
                                          $L$ = a = $x_{1}w1+x_{2}w2+b$
讨论如下 2 种输入分布下的优化问题：

$i)$ 输入 $x_1\in [1,10]$， $x_2\in [1,10]$
$ii)$ 输入 $x_1\in [1,10]$，$x_2\in [100,1000]$

由于模型相对简单，可以绘制出2种 $x_1$, $x_2$ 下，函数的损失等高线图，图10.40(b)是$x_1\in [1,10]$，$x_2\in [100,1000]$ 时的某条优化轨迹线示意图，图10.40©是$x_1\in [1,10]$， $x_2\in [1,10]$时的某条优化轨迹线示意图，图中的圆环中心即为全局极值点。

二、BN、LN、IN、GN的区别

一、我们将输入的feature map shape 记为[N, C, H, W], N 表示batch size, C 表示通道数, H 和 W 分别表示高度和宽度， 区别：
$i)$ BN 是在 Batch 上，对N、H、W做归一化， BN对较小的batch size 效果不好，BN适用于固定深度的前向神经网络，如CNN，不适用与RNN。
$ii)$ LN 是在 通道方向上，对 C、H 、W做归一化， 统计每个样本的所有特征的均值和方差 ，主要对RNN效果明显。
$iii)$ IN 是在图像像素上， 对H、W做归一化， 统计每个样本的每个通道上特征的均值和方差，用在风格化迁移。
$iiii)$ GN 先将 C 通道分为若干组， 统计每个样本的通道组内的特征均值和方差

如果把特征图比喻成一摞书，这摞书总共有 N 本，每本有 C 页，每页有 H 行，每行 有W 个字符。

1. BN 求均值时，相当于把这些书按页码一一对应地加起来（例如第1本书第36页，第2本书第36页…），再除以每个页码下的字符总数：N×H×W，因此可以把 BN 看成求“平均书”的操作（注意这个“平均书”每页只有一个字），求标准差时也是同理。
2. LN 求均值时，相当于把每一本书的所有字加起来，再除以这本书的字符总数：C×H×W，即求整本书的“平均字”，求标准差时也是同理。
3. IN 求均值时，相当于把一页书中所有字加起来，再除以该页的总字数：H×W，即求每页书的“平均字”，求标准差时也是同理。
4. GN 相当于把一本 C 页的书平均分成 G 份，每份成为有 C/G 页的小册子，求每个小册子的“平均字”和字的“标准差”。