python中BatchNormalization()函数内部设定axis等

BatchNormalization()函数是一种常用的深度学习网络中的归一化方法，可以帮助提高模型的训练速度和稳定性。在函数内部，有几个参数需要注意：

1. axis：整数或者是一个要规范化的轴的元组/列表。默认情况下，为-1，也就是最后一个轴，表示对每个特征进行归一化。如果你的输入数据的形状是(batch_size, height, weight, channels)，那么axis应该设置为最后一个轴，即axis=-1。

2. momentum：移动平均值的动量，通常设置为一个较小的值，比如0.99。这个参数控制前面批次的统计数据对于当前批次的影响程度，值越大，之前的统计数据影响就越大，当前批次的影响就越小。

3. epsilon：防止除以0的小数值，通常设置为一个较小的值，比如1e-5。

4. center：是否在归一化后添加偏置项。默认为True。

5. scale：是否对归一化后的数据进行缩放操作。默认为True。

6. beta_initializer：偏置项的初始化方法，默认为'zeros'。

7. gamma_initializer：缩放系数的初始化方法，默认为'ones'。

8. moving_mean_initializer：移动平均值的初始化方法，默认为'zeros'。

9. moving_variance_initializer：移动方差的初始化方法，默认为'ones'。

10. beta_regularizer：偏置项的正则化方法，默认为None。

11. gamma_regularizer：缩放系数的正则化方法，默认为None。

12. beta_constraint：偏置项的约束方法，默认为None。

13. gamma_constraint：缩放系数的约束方法，默认为None。