BN层的作用
BN层最重要的作用是让加速网络的收敛速度，BN的论文名字也很清晰的说明了这个点《Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift》，同时BN让网络训练变得更容易；另外调参过程也简单多了，对于初始化要求没那么高，而且可以使用大的学习率等，而没有使用BN的话，更大的学习率就可能导致训练发散，大学习率又反过来作用到训练速度上，加速了收敛速度，两者相辅相成。 此外，也有一种说法是BN层可以提高网络的泛化能力，抑制过拟合，不过这个说法一直存在争议。
BN层计算过程
BN层需要计算一个minibatch input feature（
x
i
x_i
xi）中所有元素的均值
μ
\mu
μ和方差
σ
\sigma
σ，然后对
x
i
x_i
xi减去均值除以标准差，最后利用可学习参数
γ
\gamma
γ和
β
\beta
β进行仿射变换，即可得到最终的BN输出
y
i
y_i
yi，具体过程如下： 具体过程为： 1.计算样本均值。 2.计算样本方差。 3.样本数据标准化处理。 4.进行平移和缩放处理。引入了
γ
\gamma
γ和
β
\beta
β两个参数。来训练γ和β两个参数。引入了这个可学习重构参数
γ
\gamma
γ 和
β
\beta
β，让我们的网络可以学习恢复出原始网络所要学习的特征分布。
需要注意的是，既然BN是在batch维度上做normalization，那么BN涉及的几个变量的维度就应该是一个feature map的size，比如BN layer的输入是
N
×
C
×
W
×
H
N \times C \times W \times H
N×C×W×H，那么BN的参数维度就应该是
C
×
W
×
H
C \times W \times H
C×W×H，也就是说BN计算的是batch内feature map每个点的均值，方差，以及
γ
\gamma
γ和
β
\beta
β。
为什么BN能加速训练收敛
Internal Covariate Shift
提到训练收敛的问题，需要先解释一个现象，叫做内部协变量偏移(Internal Covariate Shift)，对于深度学习这种包含很多隐层的网络结构，在训练过程中，因为各层参数不停在变化，所以每个隐层都会面临covariate shift的问题，也就是在训练过程中，隐层的输入分布老是变来变去，这就是所谓的“Internal Covariate Shift”，Internal指的是深层网络的隐层，是发生在网络内部的事情，而不是covariate shift问题只发生在输入层。
固定输入分布
而BatchNorm的基本思想就是，能不能让每个隐层节点的激活输入分布固定下来呢？这样就避免了“Internal Covariate Shift”问题了。所以就有了BN中的数据标准化处理，BN 其实就是在做 feature scaling，而且它的目的也是为了在训练的时候避免这种 Internal Covariate Shift 的问题。
batch normalization
顺着这个思路想下去，如果要限制到一个固定的输入，那应该是什么样子。BN选择了normalization，也就是一种白化操作，这个很好理解，我们在原始图像输入到网络之前都会做减均值，除标准差的操作，这个操作有时单独做，有时和第一层卷积组合起来做，但是不管哪种都必须要有的。图像处理中对输入图像进行白化（Whiten）可以有效加快神经网络的收敛，而对多层网络中的每一层输出做白化，就是我们看到的在CNN中加入BN层的样子。
γ
\gamma
γ&
β
\beta
β
但是到这里还没有结束，简单直接白化引入了太多的人工设计，使输入强行归一化，对于原始图像来说这样直接处理还行，但是越是到了网络的深层，CNN提取出来的特征就越是无法解释，那么同样的白化操作就变得不合理，所以BN在白化之后引入了两个参数控制白化的程度，它刚刚好使白化的逆过程，而且，这两个参数是参与训练的，那么一种极端的可能就是，白化如果对结果没有作用，那么
γ
\gamma
γ&
β
\beta
β 很有可能将白化后的结果恢复成原来的样子。
为什么BN能抑制过拟合
BN层抑制过拟合抑制存在争议，《UNDERSTANDING DEEP LEARNING REQUIRES RETHINKING GENERALIZATION》实验出BN层加入使得overfitting再更多的training epoch后出现，但并不能阻止。 如果硬要说是防止过拟合，可以这样理解：BN每次的mini-batch的数据都不一样，但是每次的mini-batch的数据都会对moving mean和moving variance产生作用，可以认为是引入了噪声，这就可以认为是进行了data augmentation，而data augmentation被认为是防止过拟合的一种方法。因此，可以认为用BN可以防止过拟合。
BN层与卷积层的融合
一般情况下BN层都是直接接到卷积操作之后，训练结束后，卷积和的参数和BN层的参数都会固定下来。同时上面介绍了，BN是对输入特征图的每一个像素点归一化后的线性变换，并且变换的参数相同。满足了这些特点，BN层在网络inference过程中，其实可以融合进卷积层中，具体的方式就是用BN的参数改变卷积核中每一个位置的参数。 假设卷积变化如下： 我们将卷积公式代入到BN的公式中，有： 另： 则有： 即重新计算后的卷积核参数，融合了固定参数的BN层。
Sync BN
在一般的视觉问题上，单卡的batchsize其实已经够大，没必要把所有卡上的都统计一遍。然而到了现在的检测或者分割问题上，有些大模型单卡只能bz=1，这样的话BN完全无法发挥作用，所以我们需要在更多的卡上同步bn。 PyTorch-Encoding Synchronized-BatchNorm-PyTorch pytorch-syncbn