批归一化(BN )层在卷积层后归一化feature maps，常用于加速网络学习，也有一定的归一化效应。 训练时，BN需要学习一个minibatch数据的均值、方差，并利用这些信息进行归一化，而在推理过程中，通常为了加速在其上层卷积中嵌入BN，使两步运算成为一步，达到加速目的。
1、为了阐明卷积层和BN层如何融合卷积和BN，需要了解卷积和BN的过程。
对于卷积层：
假设卷积内核的权重是使用其输入功率图中的滑动窗口来计算的； 假设中的一个元素为，输入的feature map中的一个元素为，和的计算如下：
对于BN层：
计算minibatch中元素的均方差，减去均值除以标准差，最后用、进行仿射变换，即可得到最终的BN输出。 具体流程如下。
这里，第一个公式求平均，第二个公式求方差，第三个公式归一化，第四个公式是仿射变换。
2、将卷积层和BN层融合卷积式代入BN式，则如下
命令：
，
有：
到此为止，卷积层和BN层的融合完成了。