归一化Normalization（可以理解将数据标准化）

求出一组数据的均值和方差，使用求出来的均值和方差对这组数据进行归一化（标准化），使得均值为0，方差为1

假设一个输入数据集一列的数据，其值范围为0到10，另一列的值范围为100,000到10,00,000

建模时将这些值作为特征组合时，最终会出现误差

通过归一化，创建新的数值来保持这两列呈现类似的分布，比如正态分布。

常见的归一化方法有：Batch Normalization(BN)，Layer Normalization(LN)

BN就是在N（图片数量）上做归一化（纵向规范化）

 LN是在C（通道数）上做归一化（横向规范化）

BN是在batch size样本上各个维度做标准化的，所以size越大肯定越能得出合理的μ和σ来做标准化，因此BN比较依赖size的大小 

Layer Normalization是在每个样本内部做标准化，跟size没关系