当使用sigmoid时，如果输入的x很大或者很小时，梯度会变化的很慢，使得优化长时间的得不到的更新，导致梯度弥散。当进行归一化之后，将所有的数据划分到相同的范围，无论从哪个方向进行优化，w下降的速度对最后的loss的影响是一样的
1、特征拓展，平移后再放缩。将数据移动到0的周围
2、batch Normalization，使用动态的mean和std
对于一个batch[N，C，H，W]表示N张图片C个通道，H行W列的图片。将行和列相乘作为一个维度，假设batch为[6，3，784]，在C维度进行均值统计，相当于在每个通道上计算均值mean，即ch0—>mean0，ch1—>mean1，ch2—>mean2，得到一个维度为1的[3]的shape（3个均值），均值和方差根据当前的batch进行计算。
u是均值，σ是方差，z是输出的结果，通过转换使数据接近0-1分布，而加γ和β使数据接近N（β，γ）分布，u和σ是统计出来的而γ和β是学习出来的
3、Pipeline
先输入一个batch，统计当前的均值，统计当前方差，normalize，最后进行缩放。
4、BatchNormalization层
center表示β（偏移量），scale表示γ（缩放量），创建和net的前向传播
