بصری نیٹ ورکس کی تربیت کے عمل کو بہتر بنانے کے لیے گہرے سیکھنے میں استعمال ہونے والی ایک تکنیک ہے ۔ یہ ہر سطح کے اندراج کو معمول سے نکالتی ہے جس سے ہر سطح کے اندر موجود حساب اور سیکھنے میں مدد ملتی ہے ۔

Batch communation میں Calculation

تربیت کے دوران، sexia معمولات موجودہ منتروں کے دور میں ہر خصوصیت کے معنی اور اختلاف کو شمار کرتا ہے. پھر عام طور پر مقدار کو معیاری انحراف سے مراد اور تقسیم کرنے سے حساب کیا جاتا ہے. فارمولا:

normaled value: x ⁇ = (x - ⁇ ) / ⁇ 2 + [ ⁇ ]]]۔

x [1] انساب، [1] [foual]] کا مطلب ہے، فرق ہے، اور [FLT] مسلسل تقسیم کرنے کے بعد، عام طور پر، صفر کی پیمائش کرنا اور تبدیل کرنا ہے:

[1]] = = = = = = * x ⁇ + ]۔

بنچ نارمل ہونے کے فوائد

بنگچ نارمل نیٹ ورکس کو تربیت دینے میں کئی فوائد پیش کرتا ہے اس میں اندرونی کووارنگ منتقلی کم ہوتی ہے جو نیٹ ورک ڈرافٹ کی تقسیم میں تبدیلی پیدا کرتی ہے یہ شرح اور رفتار کی رفتار کو تیز کرنے اور تیز رفتار اسکیومنگ کی اجازت دیتا ہے اس کے علاوہ یہ باقاعدگی سے دیگر تکنیکوں کی ضرورت کو کم کرنے کے طور پر کام کرتا ہے جیسے کہ نکل آؤٹ کی ضرورت ہو۔

دیگر فوائد میں بہتر ماڈل کی درستی اور نہایت موزوں ہونے کے علاوہ ، انتہائی تکلیف یا تکلیف کے بغیر گہرے نیٹ ورک استعمال کرنے کی صلاحیت بھی شامل ہے ۔

بنچ نارمل ہونے کی عملی صلاحیت

ایک ریکٹر نیٹ ورک میں عام طور پر عام بننے میں ہر ضمنی یا مکمل متصلہ تہ کے بعد ایک عام سی تہہ شامل کرنا شامل ہوتا ہے. تسورفل یا پی ٹورچ جیسے فریم ورک میں یہ براہ راست تعمیر شدہ عمل کے ساتھ ساتھ بنایا گیا ہے۔

تربیت کے دوران ، ماہرینِ‌نفسیات نے اپنے حرکات‌و سکّے کو دوبارہ ترتیب دیا اور اُن میں فرق‌فرق ہونے لگا ۔

چھوٹے چھوٹے چھوٹے چھوٹے سائز کے سائز کے کم مستحکم اور فرق کا باعث بن سکتے ہیں جو ماڈل کارکردگی کو متاثر کر سکتے ہیں ۔