主要内容： 一、Normalizing activations in a network 二、Fitting Batch Norm in a neural network 三、Why does Batch Norm work? 四、Batch Norm at test time       一、Normalizing activations in a network  1、在浅层机器学习算法中，如logistics regression，我们通常使用normalization来加速梯度下降。那么同样，我们也可以把normalization运用于神经网络。 2.在神经网络中，不仅有X作为最初的输入，还有当前层的激活值a[l]作为下一层的输入。因此，我们不仅仅对输入层做特征归一化处理，同样需要对隐藏层做归一化处理。 3、在Batch Norm中，一般是对输入激活函数之前的z做归一化处理，而不是激活值a。 其步骤如下：   可以看出，前三步与浅层机器学习算法的normalization无异，只是多了第四步。而第四步的作用就是将归一化的z再做一下缩放和平移（线性变换），因为有时候可能不希望隐藏层的z的均值和方差总是等于0和1。如在激活函数sigmod中，我们不希望输入值z的均值和方差为0和1，使得sigmod被利用的仅仅为线性部分：         二、Fitting Batch Norm in a neural network 1、将Batch Norm运用于整个神经网络，其步骤如下： 2、需要学习的参数有： 3、在实际中，Batch Norm通常和mini-batch gradient descent一起使用： 注意：z[t]经过归一化后其均值为0，而z[t] = w[t-1]a[t-1]+b[t],所以b[t]实际是无意义的，它其实就是一个偏移值，而归一化后就去掉了偏移值。所以在这里可以不考虑b[t]。       三、Why does Batch Norm work? 1、通过特征归一化，使得输入值的均值和方差变成0和一，这样能加速梯度下降。 2、解决了covariate shift的问题。covariate shift的大概意思就是：当输入值的分布情况发生了变化，那么原先学习到的算法将不再适用于新的输入。比如对于神经网络的第t层，他们的输入 值的分布情况取决于前面层的参数，而这些参数在学习过程中是不断变化的，因此第t层的输入值的分布也是不断变化了，那么学习将变得无效。而引入batch norm后，每一层输入的分布变得稳定了，那就是N(0,1)再经过线性调整，因此学习变得有效了。       四、Batch Norm at test time 1、在测试时，同样需要对输入进行batch norm。根据batch norm的式子，我们需要计算均值和方差，但是计算测试数据的均值和方差是不合适的，比如当测试数据个数为1时，均值和方差变得无意义的。 2、测试数据的均值和方差，通常是在mini-batch gradient descent的时候通过指数加权平均求得。