Machine learning 批处理规范化而不是输入规范化

我可以在输入层之后使用批处理规范化层而不规范化我的数据吗？我可以期望得到类似的效果/性能吗

在keras functional中，它是这样的：

x = Input (...)
x = Batchnorm(...)(x)
...

---

你能做到。但batchnorm的优点是，除了激活分布稳定外，平均值和标准偏差可能会随着网络的学习而迁移

实际上，在输入层之后设置batchnorm是一个奇特的数据预处理步骤。它有时很有帮助（例如，在线性回归中）。但是，一次计算整个训练样本的均值和方差要比一批学习更容易、更有效。请注意，batchnorm在性能方面不是免费的，您不应该滥用它

---

---

如何提前标准化整个数据（例如通过standardscaler）并使用batchnormalization？如果要标准化输入，是否需要始终在Inputlayer之后添加BN层？如果我在Inputlayer之前添加BN会发生什么？