1）数据归一化：
1.逐样本均值递减（若数据服从同一分布，则各维度都减对应维度的均值,使得数据去中心化，这样数据就不容易拟合了(特征值x比较大的时候，会导致W*x+b的结果也会很大，这样进行**函数（如relu）输出时，会导致对应位置数值变化量太小)）
2. 特征标准化（数据集所有特征服从正太分布，减均值除标准差）
3.像素缩放（例如，同除255）
4.PCA(白话)：原理：抛弃携带信息量较少的维度，保留主要的特征信息来对数据进行降维处理
目的：去掉数据之间的相关联度和令方差均一化（由于图像中相邻像素之间具有很强的相关性，所以用于训练时很多输入是冗余的）
作用：1.减少特征之间的相关性
2.特征具有相同的方差（协方差阵为1）