All translations

Enter a message name below to show all available translations.

Found 3 translations.

Name	Current message text
^h English (en)	While the original internal covariate shift explanation has been debated — subsequent work by Santurkar et al. (2018) argued that the primary benefit comes from smoothing the optimization landscape rather than reducing distributional shift — the practical effectiveness of {{Term\|batch normalization}} is undisputed. It was a key enabler of training the deep networks that drove progress in computer vision throughout the 2010s.
^h Spanish (es)	Si bien la explicación original del desplazamiento covariante interno ha sido debatida —el trabajo posterior de Santurkar et al. (2018) argumentó que el beneficio principal proviene de suavizar el paisaje de optimización en lugar de reducir el desplazamiento distribucional—, la eficacia práctica de la {{Term\|batch normalization\|normalización por lotes}} es indiscutible. Fue un facilitador clave del entrenamiento de las redes profundas que impulsaron el progreso en visión por computadora a lo largo de la década de 2010.
^h Chinese (zh)	尽管最初关于内部协变量偏移的解释一直存在争议——Santurkar 等人（2018）的后续工作认为主要的益处来自于平滑优化景观，而不是减少分布偏移——但{{Term\|batch normalization\|批归一化}}的实际有效性是无可争议的。它是训练深度网络的关键推动者，这些深度网络推动了 2010 年代计算机视觉领域的进步。