在图像分割等任务中，常用Normalize最输入图像进行标准化，而许多网络结构中，卷积之后要加上BatchNorm对卷积输出进行批量归一化
看过一些他人的讲解，感觉还是对Normalize与BatchNorm区分不开，两者作用有什么区别吗，可以只使用其中1个吗（有用unet跑过几次实验，但结果好像不太稳定，也看不出太多区别）
希望大佬帮忙解答下
都是正则化，只不过算法不一样
那是不是可以只使用其中1个，不必2个都用呢
可以看一看这个帖子
https://buptldy.github.io/2016/08/18/2016-08-18-Batch_Normalization/
bn层每个卷积层或全连接层后可以加
都是为了加快优化参数，有正则化的功能
一般情况都会用吧
好的，谢谢大佬
谢谢大佬，我学习下
BN可以看作是在原模型上加入的“新操作”，这个新操作很大可能会改变某层原来的输入。当然也可能不改变，不改变的时候就是“还原原来输入”。如此一来，既可以改变同时也可以保持原输入，那么模型的容纳能力（capacity）就提升了。
学习
这样呀
都是正则化，只不过算法不一样
那是不是可以只使用其中1个，不必2个都用呢
可以看一看这个帖子
https://buptldy.github.io/2016/08/18/2016-08-18-Batch_Normalization/
bn层每个卷积层或全连接层后可以加
都是为了加快优化参数，有正则化的功能
一般情况都会用吧
好的，谢谢大佬
谢谢大佬，我学习下
BN可以看作是在原模型上加入的“新操作”，这个新操作很大可能会改变某层原来的输入。当然也可能不改变，不改变的时候就是“还原原来输入”。如此一来，既可以改变同时也可以保持原输入，那么模型的容纳能力（capacity）就提升了。
学习
这样呀