keras batchnorm 的测试性能很差

Question

在对训练数据进行交叉验证期间，使用 batchnorm 可以显着提高性能。但是（在整个训练集上重新训练之后）batchnorm 层的存在完全破坏了模型对保持集的泛化。这有点令人惊讶，我想知道我是否错误地执行了测试预测。

没有batchnorm层的泛化很好（对于我的项目目标来说不够高，但对于这样一个简单的网络来说是合理的）。

我无法共享我的数据，但有人看到明显的实施错误吗？是否有应该设置为测试模式的标志？我在文档中找不到答案，并且 dropout（也应该有不同的训练/测试行为）按预期工作。谢谢！

代码：

from keras.callbacks import EarlyStopping
early_stopping = EarlyStopping(monitor='val_loss', patience=10)
from keras.callbacks import ModelCheckpoint
filepath="L1_batch1_weights.best.hdf5" 
checkpoint = ModelCheckpoint(filepath, monitor='val_loss', verbose=1, save_best_only=True, mode='auto')

init = 'he_normal'

act = 'relu'

neurons1 = 80

dropout_rate = 0.5

model = Sequential()
model.add(Dropout(0.2, input_shape=(5000,)))
model.add(Dense(neurons1))
model.add(BatchNormalization())
model.add(Activation(act))
model.add(Dropout(dropout_rate)) 
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer="adam", metrics=["accuracy"])


my_model = model.fit(X_train, y_train, batch_size=128, nb_epoch=150, validation_data =(X_test, y_test),callbacks=[early_stopping, checkpoint]) 

model.load_weights("L1_batch1_weights.best.hdf5")

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
print("Created model and loaded weights from file")

probs = model.predict_proba(X_test,batch_size=2925)
fpr, tpr, thresholds = roc_curve(y_test, probs)

Answer 1

来自docs：“在训练期间，我们使用每批统计数据来标准化数据，在测试期间，我们使用在训练阶段计算的运行平均值。”

在我的案例中，训练批量大小为 128。在测试时，我手动将批量大小设置为完整测试集的大小 (2925)。

有意义的是，用于一个批次大小的统计数据显然与显着不同的批次大小无关。

将测试批次大小更改为训练批次大小 (128) 会产生更稳定的结果。我使用预测批量大小来观察效果：对于任何批量大小 +/- 3 倍的训练批量大小，预测结果都是稳定的，但性能会下降。

这里有一些关于测试批量大小的影响以及与 load_weights() 一起使用时使用 batchnorm 的讨论： https://github.com/fchollet/keras/issues/3423