BN 是一套正则化方法，可以加速大型卷积网络的训练速度，同时提升收敛后的分类准确率。

BN 在用于神经网络某层时，会对每一个 mini-batch 数据的内部进行标准化处理，使输出规范化到 N(0,1) 的正态分布，减少了内部神经元分布的改变。传统的深度神经网络在训练时，每一层的输入分布都在变化，导致训练变得困难，但 BN 的加入可以解决这个问题。