吴恩达老师深度学习，BN层的作用

1.先看普通情况

归一化的作用

毫无疑问，这个是能加速训练的
并且能避免受到量纲的影响

2.单层神经网络中

图片上面的是单一网络

肯定ok的

那么，对于深层网络如何呢？

我们看第三层网络的参数w^[3]、b^[3]
能否通过归一化a^[2]呢来加速第三层的训练速度

实际上可能是在激活函数之前归一化更多，也就是
归一化z^[2]
因此以这个为例，介绍BN的算法

3.BN的实现

对于图片左端而言

对于某一层的输入Z^[L]（这是一个向量）
有m个样本（批次归一化）
先将每个Z^[i]都转为（0,1）标准分布后
再通过参数$\gamma$、$\beta$来将均值和方差转化为任意设定的值（因为你肯定不希望所有的均值和方差都为0、1，那还训练个毛线啊，对吧），这两个参数是可以通过训练来学习的

图片右边的，则是说，当$\gamma$、$\beta$取特殊值时，Z tilde的值能和输入Z一致。

4.添加到网络中

大概了解一下原理就行了

没必要深究