1.【深度学习】深入理解Batch Normalization批标准化 - 郭耀华 - 博客园 (cnblogs.com)
“这项研究认为，BN效果好是因为BN的存在会引入mini-batch内其他样本的信息，就会导致预测一个独立样本时，其他样本信息相当于正则项，使得loss曲面变得更加平滑，更容易找到最优解。相当于一次独立样本预测可以看多个样本，学到的特征泛化性更强，更加general”
2.(19条消息) 深度学习中Dropout的作用和原理_山上有只羊M的博客-CSDN博客_dropout在训练神经网络模型的作用
从两个角度：组合派，是2^n个模型的组合
噪声派 两个角度解释，噪声派这里的稀疏性还没有很理解
标签：dropout,样本,噪声,神经网络,Batchnorm,BN From： https://www.cnblogs.com/sun-secretbase/p/17058785.html