归一化：Layer Normalization、Batch Normalization

归一化的核心思想是把一组数据转化为均值为 0，方差为 1 的数据，使得训练数
据在训练过程中尽可能的保持和测试数据拥有相同的分布。

• 一方面，这样可以减少
  数据的偏差，避免在训练过程中出现梯度爆炸或是梯度消失的问题；
  另一方面，这也是确保模型测试性能的重要假设之一。