深度学习

批归一化（Batch Normalization, BN）通过标准化神经网络中间层输入，有效缓解内部协变量偏移问题，加速模型收敛并提升训练稳定性。

深度学习中，Batch梯度下降使用整个训练集计算梯度，更新稳定但计算成本高；Mini-Batch梯度下降则使用小批量数据，在内存效率和计算速度上更优，是当前主流方法。

输入归一化是机器学习数据预处理的关键步骤，通过对特征值进行标准化调整（通常采用均值-标准差方法），使不同量纲的特征具有可比性。其核心价值在于优化梯度下降效率，确保特征贡献均衡。实施时需严格遵循使用训练