原因：
损失函数在顶层，顶层训练的比较快
数据在底层，数据发生变化，所有都变化，最后那些层需要学习多次，收敛变慢
在改变底部数据时，避免顶部重新训练
作为可学习的b与r，
作用在：
全连接和卷积层的输出上，激活函数前。（bn是线性变化，激活函数增加非线性）
在输入上
全连接，作用在特征维度。
● 其次在归一化过程中使用的均值和标准差是在mini-batch上计算的，它们相对整个数据集的均值标准差，具有一定的噪声，这就使得BN有轻微的正则化效果。
● BN中 a和 b的作用：因为我们不知道每一层做归一化是不是一定会更好，也不知需要归一化到什么程度，所以设置这两个参数让模型自己去学到合适的归一化。
● 需要注意的是，在batch_size很小时，BN的效果会变得很差。因为均值和标准差的噪声太大了
● 训练时和测试时的不同点：测试时用的均值和方差是全部训练数据的均值和方差。
一般不改变模型精度