本系列文章只做简要总结，不详细说明原理和公式。
目录
1. 参考文章
2. 主要作用
BN层主要是为了解决网络训练过程中出现的internal Covariate Shift（内部协方差偏移，简成ICS）问题。ICS问题会导致随着网络深度的加深，训练越来越困难，收敛越来越慢。
具体可以分为三个作用：
1.正则化，降低过拟合。
2.提高模型收敛速度，加速训练。
3.减少梯度爆炸或者梯度消失的情况。
3. 具体分析
3.1 正则化，降低过拟合
我个人理解：首先网络过拟合说明网络对于训练集的数据分布学习的太好了，几乎完全一样了。这样会导致网络缺乏泛化性。BN层作为一种标准化方法，可以将所有的数据分布统一成标准正态分布，减少方差大的特征（离散特征）对于整体数据分布的影响[5]， 从而让网络更加关注共性特征，降低对离散特征的学习，提高泛化性。
3.2 提高模型收敛速度，加速训练
在第二章中，我们提到网络之所以难以收敛，主要是因为ICS问题导致的数据分布偏移，从而出现激活函数梯度消失现象。从下图中（来自博客[5]）可以看到，经过标准化后，数据都会集中在均值为0，方差为1的正太分布中，这个数据分布正好是激活函数中梯度响应最大的区域，可以有效地提高模型的收敛速度，加速模型训练。
| 原始数据 | 标准化后数据 |
|---|---|
 |  |
3.3 减少梯度爆炸或者梯度消失的情况
网络权重更新依据的是梯度的反向传递。梯度求解的主要受有4个因素影响，分别是：
- 当前层的输入（上一层的输出）。
- 激活函数的偏导。
- 后一层的权重。
- 损失函数L的偏导。
由于链式求导法则，梯度是不同层的4个因素的累乘。如果4个因素中设置不合理则会导致梯度爆炸或者梯度消失的现象。
BN层之所以会减少梯度爆炸或者梯度消失，因为BN层制约着激活函数的偏导这一因素。
4. 补充
4.1 BN层做的是标准化不是归一化
BN层，也被称为Batch Normalization Layer。虽然被翻译为批次归一化层，但是从公式上看，BN层实际上实现的是标准化。不要被归一化这个翻译迷惑。结果并不是将数据缩放到0-1，然是将数据缩放到均值为0，方差为1的相同分布中。
4.2 BN层的公式
4.3 BN层为什么要引入gamma和beta参数
截图自：[2] WellWang_S, “神经网络中BN层的原理与作用”，如需详细理解，可以去该作者文章中细读。
