目的，起源

在输出的阶段，解决不同维度特征尺度不同的问题（？？）

和标准化对比：

为何需要 normaliztion

特征之间的 尺度不同

比如 car 的 里程特征 ： 1000 to 100，000

司机的年龄：0 到 100；

这样的话，里程这个特征，就会导致梯度爆炸

所以我们需要 normalization

这样的话，尺度就想通了

batch normalization 让层与层之间更稳定

另外一个问题

在某一层，某一个权重特别大的时候，还是 会导致 我们模型的不稳定。

这时候，就需要 batch normalization

其中， m 是 这一批的 数据 的 min， s 是 std 均方差；

g ，b 是任意的， 可以训练的，超参数的。

在 keras 里面 实现 batch normalization

keras 有自己的 初始化 for 上述 的 g, b: 似乎是 g = 1 和 b=0；

参考

https://www.youtube.com/watch?v=dXB-KQYkzNU&list=PLZbbT5o_s2xq7LwI2y8_QtvuXZedL6tQU&index=38