3.5 将 Batch Norm 拟合进神经网络（Fitting Batch Norm into a neural network）

前向传播的计算流程：

实现梯度下降：

for t = 1 … num （这里num 为Mini Batch 的数量）：

• 在每一个$X^t$ 上进行前向传播（forward prop）的计算：

  • 在每个隐藏层都用 Batch Norm 将$z^{[l]}$替换为
• 使用反向传播（Back prop）计算各个参数的梯度：$dw^{[l]},d\gamma^{[l]},d\beta^{[l]}$
• 更新参数：

  • $w^{[l]}:=w^{[l]}-\alpha dw^{[l]}$
  • $\gamma^{[l]}:=\gamma^{[l]}-\alpha d\gamma^{[l]}$
  • $\beta^{[l]}:=\beta^{[l]}-\alpha d\beta^{[l]}$

经过Batch Norm的作用，整体流程如下：

Batch Norm对各隐藏层$Z^{[l]}=W^{[l]}A^{[l-1]}+b^{[l]}$有去均值的操作，Batch Norm 要做的就是将$z^{[l]}$归一化，结果成为均值为0，标准差为1的分布，再由$\beta$ 和$\gamma$ 进行重新的分布缩放，意味着无论$b^{[l]}$ 值为多少，在这个过程中都会被减去，不会再起作用。所以常数项$b^{[l]}$可以消去，其数值效果完全可以由中的$\beta$来实现。在使用Batch Norm的时候，可以忽略各隐藏层的常数项$b^{[l]}$。在使用梯度下降算法时，分别对$W^{[l]}$,$\beta^{[l]}$和$\gamma^{[l]}$进行迭代更新

除了传统的梯度下降算法之外，还可以使用动量梯度下降、RMSprop或者Adam等优化算法