神经网络实战记录17—调参技巧8—批归一化（基于vgg-tensorboard-data_aug-deeper）

1.上一节的封装能够让我们更方便地添加batch normalization的效果
因为bn在每一个卷积层的后面进行添加
2.添加bn：
对比注释：

3.在每一个conv层加上istraining：

pooling层不需要加

以上，bn就可以正常使用了~

4.训练效果：

这些只是在VGG上进行调参优化，还可以把同样的调参技巧用到RestNet等其他神经网络模型中去，可以达到更高的准确率（94％左右）