标签： tensorflow normalization
使用批量标准化时，我们可以在培训期间使用批量平均值和批次差异。 但是，这无法在验证案例中提供足够好的结果。我们通过提供人口均值和人口差异获得最佳结果。
然而，这意味着两个图几乎完全相同，除了我们需要减去均值并除以标准偏差的部分（我们使用人口分布）
我们当前的实施工作正常，但它包含太多样板代码。
请注意，在其他框架中，您可以很容易地为这种情况提取和操作模型的图层，但是tensorflow对其图形只有一个附加策略
在一个图表与另一个图表略有不同的情况下，最佳方法是什么？