基于深度学习的猫狗分类：源码、模型、数据和归一化算法分析

本文以深度学习为基础，解析了针对猫狗分类任务的归一化算法，包括BN、GN、IN、LN和一种新的全归一化(FN)算法。作者利用多层卷积神经网络，添加不同的归一化算法，并调整超参数，最终发现在该任务中BN效果最佳，FNBB和FNBL都比其他现有算法表现更好。此外，作者针对batch size的大小也进行了探究，提出了使用GN在batch size小的情况下以获得最佳效果的策略。实验结果及分析可见本文课程报告。