【深度學習】batch normalization

參考：http://www.javashuo.com/article/p-zpuaoinw-dx.html 引入原因：深度網絡訓練過程中，每一層的參數都會不斷變化，很可能導致每一層的輸出（即對下一層的輸入）的分佈發生變化，因此導致模型收斂變慢，（本質原因：輸出逐漸向左右兩端移動，導致曲線平緩，比如sigmoid，從而梯度消失問題產生，因此收斂越來越慢）。 解決方法：BatchNorm就是在深度神經

>>阅读原文<<