深度学习中，在测试是到底能不能做barch normlization和dropout
BN在测试的时候需要，因为BN相当于在那一层做了一次归一化，所以为了保证测试过程和训练过程的一致性，BN需要保留
【深度学习中，在测试是到底能不能做barch normlization和dropout】 Dropout在测试的时候要去掉，因为Dropout的本质是每个batch训练一个完整网络的子网，然后测试的时候使用这些网络的集成，所以必须要去掉。
■网友
batch normalization可以用在图像中，效果就是加快训练速度。如果要用在文本等离散问题上用layer normalization:它作用于一个x,而不是batch上。dropout可以用来防止过拟合。在你的任务上有没有效果，试了在知道。
■网友
第一，batch normalization，单词拼写有错误
第二，测试时可以用bn,不过需要训练集样本的均值和方差
第三，测试时dropout的keep_prob设置为1，就是不使用dropout,相当于做网络集成，效果会变好
嗯，就酱
推荐阅读
- 四川乐山市犍为县发生4.2级地震震源深度13千米
- 四川自贡市荣县发生3.2级地震震源深度10千米
- 四川德阳市绵竹市发生3.4级地震震源深度8千米
- 大学再有三个月就结束了，没学到知识，参加一个软件测试培训机构好吗
- 现在在线学习视频有很多了，为啥大部分人还是喜欢下载下来观看
- AutoLab|Lab测试：你以为奥迪A5就是你以为的“掀背版奥迪A4”？
- 换个角度看车市|深度：长城炮越野皮卡1.5万公里长测之技术状态汇总
- 婴儿|美国儿科学会： 1岁以下婴儿不推荐学习游泳
- 新疆克孜勒苏州阿克陶县发生3.3级地震 震源深度140千米
- 在美国大学学习computer science 是啥样的体验