BN（Batch Normalization，批量归一化）是一种在深度学习中常用的技术。它是由 Sergey Ioffe 和 Christian Szegedy 在2015年提出的。它的主要目的是解决神经网络中梯度消失和梯度爆炸的问题，从而提高模型的训练速度和性能。
具体来说，BN是在每一层的输出上应用归一化操作和对结果进行缩放、偏移的步骤。这个操作可以看作是一个分布变换，使得数据的均值为0，方差为1。这样，在反向传播过程中，梯度的值会变得更加稳定，有助于缓解梯度消失和梯度爆炸问题。同时，由于对数据进行了一次归一化处理，还可以加速训练过程并提高模型的性能。