在tf.layers.batch_normalization（training =？）中使用训练=是或否的区别是什么？

Question

最近，我做了一个关于使用tf.layers.batch_normalization(input, training=True)和using tf.layers.batch_normalization(input)的实验，两种情况都在训练期间。

但是发生了一些奇怪的事情。如果我使用tf.layers.batch_normalization(input, training=True)，tfevent file创建的tf.summary大约为400MB，但如果我使用tf.layers.batch_normalization(input)，那个文件只有大约20MB，我无法理解那个，谁能帮我解决这个问题，谢谢！

Answer 1

正如所解释的here批量标准化在培训verus测试时间期间具有不同的行为：

在测试阶段，您可以根据小批量统计数据标准化图层激活，而在测试中，您可以根据估计的人口统计数据进行标准化。

此行为由training参数控制，如TensorFlow's documentation中所述。

因此，在测试期间，存储的信息很少。但是，您不应该将其设置为培训目的。

希望这有帮助！