【BatchNorm 原理】
CNN 中，就是对每个卷积核的输入做归一化，或者说在 channel 之外的所有维度做归一化。BN 带来的好处有很多，这里简单列举几个：
（1）防止过拟合：单个样本的输出依赖于整个 mini-batch，防止对某个样本过拟合；
（2）加快收敛：梯度下降过程中，每一层的 和 都会不断变化，导致输出结果的分布在不断变化，后层网络就要不停地去适应这种分布变化。用 BN 后，可以使每一层输入的分布近似不变。
（3）防止梯度弥散：forward 过程中，逐渐往非线性函数的取值区间的上下限两端靠近，（以 Sigmoid 为例），此时后面层的梯度变得非常小，不利于训练。