归一化层，目前主要有这几个方法，Batch Normalization（2015年）、Layer Normalization（2016年）、Instance Normalization（2017年）、Group Normalization（2018年）、Switchable Normalization（2019年）；
    将输入的图像shape记为[N, C, H, W]，这几个方法主要的区别就是在，

    • batchNorm是在batch上，对NHW做归一化，对小batchsize效果不好；
    • layerNorm在通道方向上，对CHW归一化，主要对RNN作用明显；
    • instanceNorm在图像像素上，对HW做归一化，用在风格化迁移；
    • GroupNorm将channel分组，然后再做归一化；
    • SwitchableNorm是将BN、LN、IN结合，赋予权重，让网络自己去学习归一化层应该使用什么方法。

    参考文档
    https://www.cnblogs.com/wanghui-garcia/p/10877700.html
    https://zhuanlan.zhihu.com/p/470260895