为何可以广泛和广泛深度神经网络使用非标准化数据？

Question

我的理解是神经网络的输入应归一化为零均值单位变量或二进制。我自己的实验还发现，非规范化网络会导致学习不稳定。但the tensorflow Wide and Deep Network example使用非标准化数字功能，例如＆＃34; age＆＃34;和＆＃34; capital_gain＆＃34;直。这种类型的网络与典型的完全连接的DNN没有太大区别。为什么它与非规范化数字数据一起工作，而其他DNN需要规范化数据？还有哪些其他类型的神经网络可以处理非标准化数据？

# Continuous columns
age = tf.feature_column.numeric_column('age')
education_num = tf.feature_column.numeric_column('education_num')
capital_gain = tf.feature_column.numeric_column('capital_gain')
capital_loss = tf.feature_column.numeric_column('capital_loss')
...
deep_columns = [
    age,
    education_num,
    capital_gain,
    capital_loss,
    hours_per_week,
    ...
]