【发布时间】：2017-12-02 02:05:02
【问题描述】：
我有一个 CNN，它在我创建的数据集上学习得很好。我向这个网络添加了 Batch Normalization 以尝试提高性能。
但是 .. 当我尝试对单个图像进行预测时，我总是得到相同的结果（无论图像如何）。我认为这是因为我需要批次来实际进行批次标准化。
那么是否可以使用 BN 对单个图像进行预测？ 我想在我的网络完成训练后删除 BN 层，这是要走的路吗？
谢谢你:)
【问题讨论】：
-
这不是batch normalization引起的问题，可能是其他问题，请提供更多细节。
-
我真的认为它实际上是由批量标准化引起的，因为当我用一批图像（而不是单个图像）进行预测时，它可以工作。但我想对单个图像进行预测。
-
好吧，我无法用我的模型重现这种行为，它们总是与 BN 和单个图像批次配合得很好。而且在测试时，标准化统计数据是固定的，而不是批量计算的。所有这些都指向代码中的问题，而不是技术问题。
-
是的，归一化参数（比例和偏移）是在训练期间学习并为测试而固定的，但您是否仍然需要通过批次计算均值和方差？ （见tensorflow.org/api_docs/python/tf/nn/moments）
标签： deep-learning classification batch-normalization