Keras中的BatchNormalization，每个通道的训练参数为什么有4个？

Question

最近在看Keras的Xception的导出模型结构，发现BatchNormalization层的训练参数为：通道数*4，这4个参数除了伽马（gamma）和贝塔（beta）外还有哪两个参数？分别代表什么？

Answer 1

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 这篇文章讲的很详细，请看：批标准化 tf.keras.layers.BatchNormalization 参数解析与应用分析
• 除此之外, 这篇博客: BatchNormalization的插入位置与数量中的 举例：（keras) 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  model = models.Sequential()  #需要使用
  model.add(Conv2D(64, (3, 3), padding='same', input_shape=x_shape, kernel_regularizer=regularizers.l2(weight_decay)))
  model.add(BatchNormalization())
  model.add(Activation('relu'))
  
  #model.add(Dropout(0.3))
  
  model.add(Conv2D(64, (3, 3), padding='same',kernel_regularizer=regularizers.l2(weight_decay)))
  model.add(BatchNormalization())
  model.add(Activation('relu')) #you need to use the Batch
  

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^