【文件属性】：
文件名称：B_implement-How-does-batch-normalization-helps-optimization
文件大小：4.01MB
文件格式：ZIP
更新时间：2021-03-11 13:12:32
JupyterNotebook
B_“批量归一化如何帮助优化？”
tensorflow_keras_implementation
请注意，在使用gradient_predictiveness代码时，请谨慎使用您的方法。 我仅使用选定的图层来重现结果。 仅对于具有5个时期的VGGnet，创建的渐变文件将占用29.6 GB。 不适用于“ RAMionaire”或“ GPUnaire”的人。
【文件预览】：
B_implement-How-does-batch-normalization-helps-optimization-main
----fig()
--------loss_landscape.png(472KB)
--------ICS comparision1.png(284KB)
--------ICS comparision2.png(378KB)
--------ICS comparision.png(310KB)
--------Standard Training.png(401KB)
--------effective_beta_smoothness.png(1.05MB)
--------gradient_predictiveness.png(973KB)
--------Standard validation.png(428KB)
----README.md(450B)
----vgg_bn.py(4KB)
----B_ Gradient_predictiveness.ipynb(493KB)
----B_standard_training.ipynb(125KB)
----B_loss_landscape.ipynb(199KB)
----vgg_wbn.py(4KB)
----B_ Internal Covariate Shift_comparision.ipynb(246KB)