batch normal和ResNet残差网络的意义

batch normal：

• 为何要做BN操作：在训练一个神经网络或逻辑回归模型的时候，通常会将不同的输入特征进行归一化。
  如果不做归一化，在进行梯度下降的时候会比较缓慢，下降轨迹波动比较大。归一化可以加快学习速度。
  对于一个较深的网络， 需要训练很多隐含层的参数，所以做BN操作可以加速网络的学习，除此之外也有正则化效果。
• tensorflow实现： layers.BatchNormalization()

ResNet 残差网络：

• 可以看到，深度残差网络通过堆叠残差模块，达到了较深的网络层数，从而获得了训练稳定、性能优越的深层网络模型。 也就是说 ResNet 对于深层的CNN起到很好的作用

参考链接：http://wenda.chinahadoop.cn/question/6647