摘要： 1. 批量归一化（Batch Normalization）：为了让数据在训练过程中保持同一分布，在每一个隐藏层进行批量归一化。对于每一个batch，计算该batch的均值与方差，在将线性计算结果送入激活函数之前，先对计算结果进行批量归一化处理，即减均值、除标准差，保证计算结果符合均值为0，方差为1的 阅读全文

摘要： 1. 零均值化 / 中心化：对输入图片进行预处理，计算训练数据中所有图片的每个位置的均值，然后每张图片的元素减自己位置对应的均值。零均值化后的图片以（0，0）为中心，所有图片的对应位置的元素均值为0 PCA和白化： 2. 为什么要对数据零均值化？ 为了在反向传播中加快网络中每一层权重参数的收敛（这是 阅读全文