为什么深度学习需要归一化
一个标准的归一化步骤就是减均值除方差，如下图，就是把数据集中分布的位置从其它地方，移到中心，注意这个数据是可以输入也可以是网络中间的某一层输出
那么我们为什么希望数据集中分布在中央，像正态分布一样呢，我认为，大多数**函数都是在中央位置曲线更平滑，斜率变动不会过大过小，能解决梯度消失和梯度爆炸问题。
selu和Batch Normalization
BN是批归一化，简单说他就是对数据减均值除方差，这个数据是可以输入也可以是网络中间的某一层输出，这样数据分布更好，得到的结果更好
selu**函数就是自归一化，selu**函数通过设置两个特殊的参数α和λ，经过该**函数后使得样本分布自动归一化到0均值和单位方差