1.简介

Batch Normalization,对每一层的输出,在每一次 mini-batch 传播后做归一化处理,通过减少上一层的输出变化来加速收敛.
好处:
Batch Normalization 让我们可以使用更大的学习率，初值可以更随意。它起到了正则项的作用，在某些情况下，有它就不需要使用Dropout了。

2.原理

3.常用库的相应方法

3.1 keras

model.add(BatchNormalization()),直接添加进去就可以.

3.2 tf

参考

1. 他人博客,论文笔记-Batch Normalization
@H_403_27@