Batch Normalization 是一种对数据进行归一化的技术，旨在解决深层神经网络训练过程中出现的内部协变量偏移问题（Internal Covariate Shift）。简单来说，随着网络层数的增加，输入数据分布可能会发生变化，导致梯度消失或爆炸现象，从而影响模型的收敛速度和性能。Batch Normalization 通过规范化每一层的输入来缓解这一问题。