深度学习中的正则化（regularization）和归一化（normalization）的区别

正则化（regularization）

正则化是指为解决适定性问题或过拟合而加入额外信息的过程。

在深度学习时往往会给最终的loss加入很多正则化项，为了使得模型达到最好的结果。

半监督学习（semi-supervised learning）中一种常用的方法叫做一致性正则（Consistency Regularization），也是正则化的一个使用场景。

归一化（normalization）

大部分是指把数据变成(0,1)或者（-1,1）之间的小数。

主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速。