Pytorch图像去噪实战(三十四):GroupNorm替代BatchNorm,解决小Batch图像去噪训练不稳定问题
Pytorch图像去噪实战(三十四):GroupNorm替代BatchNorm,解决小Batch图像去噪训练不稳定问题一、问题场景:batch size太小,BatchNorm反而拖后腿训练图像去噪模型时,很多网络都会写:nn.BatchNorm2d(channels)在分类任务中,BatchNorm非常常见。但在图像去噪任务中,尤其是 batch size 很小时,我经常遇到:loss 震荡输出亮度不稳定推理结果发灰同一张图多次测试效果不一致训练集效果好,验证集不稳定后来定位发现,问题出在 BatchNorm。当 batch size 很小,比如 1、2、4 时,BatchNorm 的统计量不稳定,反而影响图像恢复质量。解决方案:使用 GroupNorm 替代 BatchNorm。
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2581544.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!