优势

• 可以以（相对）大学习率学习，加速收敛速度
• 能提高精度
• 相当于正则化（类似于Dropout)：使用BN时，每个样本都会和其他样本一起输入（彼此互相影响），网络对一个样本的输出也就不是确定的

为什么效果好？

• 每一层输入的分布能够在不同的训练steps中保持一致，而不是稀奇古怪的分布，比如伽马分布 F分布等，这样能够使得每一层学习起来更加容易。

• 有的人认为这增加了模型的拟合能力才会比较好？

  • Are you kidding?参数更多了（两个）当然拟合能力增强了啊。但是如果单纯是拟合能力，差这两个参数吗？！！
  • 我觉得这是因为目前的 模型训练方式的弊端啊！！目前只有Gradient Descent的方式，这种方式不能够很好地前面说的不同分布的问题。